Gr-IoU：基于 3D 几何约束的鲁棒多目标跟踪地面交并比
计算机视觉与模式识别
2024-09-06 v1
摘要
我们提出了一种地面 IoU（Gr-IoU）来解决多目标跟踪中的数据关联问题。在跟踪由相机检测到的目标时，同一目标在连续帧中常被分配不同的 ID，特别是当目标彼此靠近或重叠时。为了解决这个问题，我们引入了考虑场景 3D 结构的 Gr-IoU。Gr-IoU 利用消失点几何将传统的边界框从图像空间转换到地面平面。使用这些转换后的边界框计算的 IoU 对目标的前后关系更加敏感，从而提高了数据关联的准确性并减少了 ID 切换。我们在 MOT17 和 MOT20 数据集上评估了我们的 Gr-IoU 方法，这些数据集包含多样的跟踪场景，包括拥挤场景和频繁遮挡的序列。实验结果表明，在没有外观特征的情况下，Gr-IoU 优于传统的实时方法。
引用
@article{arxiv.2409.03252,
title = {Gr-IoU: Ground-Intersection over Union for Robust Multi-Object Tracking with 3D Geometric Constraints},
author = {Keisuke Toida and Naoki Kato and Osamu Segawa and Takeshi Nakamura and Kazuhiro Hotta},
journal= {arXiv preprint arXiv:2409.03252},
year = {2024}
}
备注
Accepted for the ECCV 2024 Workshop on Affective Behavior Analysis in-the-wild(ABAW)