基于区间的层次化 IoU 跟踪
计算机视觉与模式识别
2024-06-21 v1
摘要
多目标跟踪（Multi-Object Tracking, MOT）旨在跨帧检测并关联给定类别的所有目标。当前主导方法（如 ByteTrack 和 StrongSORT++）遵循混合管线，即首先以在线方式完成大部分关联，然后通过插值和全局链接等离线技巧进行结果细化。尽管该范式在应用上提供了灵活性，但两种阶段之间的离散设计导致性能次优。本文提出了基于区间的层次化 IoU 跟踪框架，称为 HIT，通过利用轨迹片段区间作为先验实现统一的层次化跟踪。为保证简洁性，仅使用 IoU 进行关联，放弃重型外观模型、复杂的辅助线索和基于学习的关联模块。我们进一步识别了关于目标尺寸、相机运动和层次化线索的三个不一致问题，并设计相应解决方案以保证关联可靠性。尽管方法简洁，我们在四个数据集上实现了令人满意的性能，即 MOT17、KITTI、DanceTrack 和 VisDrone，为未来跟踪方法设计提供了强大的基准。此外，我们对七个跟踪器进行实验，证明 HIT 可无缝集成到其他解决方案中，无论是基于运动、外观还是学习的。我们的代码将发布于 https://github.com/dyhBUPT/HIT。
引用
@article{arxiv.2406.13271,
title = {Hierarchical IoU Tracking based on Interval},
author = {Yunhao Du and Zhicheng Zhao and Fei Su},
journal= {arXiv preprint arXiv:2406.13271},
year = {2024}
}
备注
7 pages, 3 figures