ETTrack: 用于多目标跟踪的增强时间运动预测器
计算机视觉与模式识别
2024-11-28 v1
摘要
许多多目标跟踪方法利用运动信息来关联跨帧的所有检测对象。然而，许多依赖滤波算法（如卡尔曼滤波）的方法在线性运动场景中表现良好，但在预测复杂非线性运动物体的位置时往往不准确。为了解决这些场景，我们提出了一种基于运动的多目标跟踪方法，带有增强的时间运动预测器ETTrack。具体地，运动预测器集成了Transformer模型和时间卷积网络（TCN）来捕获短期和长期运动模式，并根据历史运动信息预测单个物体的未来运动。此外，我们提出了一种新的动量校正损失函数，在训练期间提供关于物体运动方向的额外信息。这使得运动预测器能够快速适应运动变化并更准确地预测未来运动。我们的实验结果表明，ETTrack在DanceTrack和SportsMOT上取得了与最先进跟踪器相竞争的性能，HOTA指标分别达到56.4%和74.4%。
引用
@article{arxiv.2405.15755,
title = {ETTrack: Enhanced Temporal Motion Predictor for Multi-Object Tracking},
author = {Xudong Han and Nobuyuki Oishi and Yueying Tian and Elif Ucurum and Rupert Young and Chris Chatwin and Philip Birch},
journal= {arXiv preprint arXiv:2405.15755},
year = {2024}
}
备注
16 pages, 7 figures