通用多视角视觉跟踪
计算机视觉与模式识别
2019-04-05 v1
摘要
视觉跟踪的最新进展极大提升了跟踪性能。然而，遮挡和视角变化等挑战仍是实际部署中的障碍。应对这些挑战的一个自然方案是使用多相机多视角输入，尽管现有系统大多局限于特定目标（如人体）、静态相机和/或相机标定。为突破这些限制，我们提出一种通用多视角跟踪（GMT）框架，允许相机运动，同时既不需要特定目标模型也不需要相机标定。我们框架的一项关键创新是跨相机轨迹预测网络（TPN），它隐式且动态地编码相机几何关系，从而解决遮挡等目标缺失问题。此外，在跟踪过程中，我们跨不同相机汇集信息以动态更新一种新颖的协作相关滤波（CCF），该滤波器在相机间共享以实现对视角变化的鲁棒性。这两个组件被集成到一个相关滤波跟踪框架中，其特征使用现有单视角跟踪数据集离线训练。为评估，我们首先贡献了一个带有精细标注的新通用多视角跟踪数据集（GMTD），随后在 GMTD 和 PETS2009 数据集上运行实验。在两个数据集上，所提出的 GMT 算法均显示出优于最先进算法的明显优势。
引用
@article{arxiv.1904.02553,
title = {Generic Multiview Visual Tracking},
author = {Minye Wu and Haibin Ling and Ning Bi and Shenghua Gao and Hao Sheng and Jingyi Yu},
journal= {arXiv preprint arXiv:1904.02553},
year = {2019}
}