面向数据关联中结构约束的启发式搜索
计算机视觉与模式识别
2017-11-09 v1
摘要
多目标跟踪（MOT）的研究本质上在于求解数据关联分配，其核心是设计尽可能具有判别力的关联代价。一般而言，由目标外观相似及运动相机引起的匹配歧义使数据关联变得复杂且具挑战性。本文提出一种新的启发式方法，用于在求解在线多目标跟踪问题时搜索多目标的结构约束（HSSC）。我们认为，即便视频序列由运动相机拍摄，相邻帧间多目标内部结构仍可保持恒定与稳定。因此，结构约束能够削减由运动相机及被跟踪目标外观相似所引起的匹配歧义。所提启发式方法旨在为每对可用匹配在最小结构代价下获得最大匹配集，其可与原始关联代价融合，并相较其他方法使代价更为精细且具判别力。此外，本文给出一种通过最小化由运动与结构线索生成代价函数的方法来恢复丢失目标。我们基于 HSSC 的在线多目标跟踪（MOT）算法在公开数据集 2DMOT2015[1] 上取得了 25.0 的多目标跟踪精度（MOTA）。
引用
@article{arxiv.1711.02823,
title = {Heuristic Search for Structural Constraints in Data Association},
author = {Xiao Zhou and Peilin Jiang and Fei Wang},
journal= {arXiv preprint arXiv:1711.02823},
year = {2017}
}