广域航拍监控中利用局部上下文的多目标跟踪
计算机视觉与模式识别
2016-03-30 v1
摘要
在广域航拍图像中跟踪大量车辆对于理解大视野内的事件至关重要。大多数方法旨在将帧差法得到的检测结果关联为轨迹。然而，缓慢或静止的车辆会导致长期检测缺失，进而引起跟踪不连续。仅依靠外观线索来恢复缺失检测是困难的，因为目标极小且为灰度图像。本文通过将检测关联方法与局部上下文跟踪器（local context tracker, LCT）相结合，解决了检测关联方法的局限性，该跟踪器不依赖于运动检测。一方面，我们的LCT学习相邻空间关系，并利用图优化在连续帧中跟踪每个目标。它利用上下文约束的优势以避免漂移到邻近目标。我们从稀疏和稠密流中高效生成假设，以保持解的可处理性。另一方面，我们采用检测关联策略在批处理中提取短轨迹。我们通过从合并检测中生成额外假设来显式处理合并检测。我们在广域航拍图像序列上的评估显示了相对于最先进（state-of-the-art）方法的显著改进。
引用
@article{arxiv.1603.08592,
title = {Exploring Local Context for Multi-target Tracking in Wide Area Aerial Surveillance},
author = {Bor-Jeng Chen and Gerard Medioni},
journal= {arXiv preprint arXiv:1603.08592},
year = {2016}
}