IA-MOT：具有运动一致性的实例感知多目标跟踪
计算机视觉与模式识别
2020-06-25 v1
摘要
多目标跟踪（MOT）是计算机视觉领域的一项关键任务。然而，大多数基于检测跟踪的 MOT 方法在已有检测边界框的情况下，由于自运动与频繁遮挡，无法同时有效处理静态、慢速移动和快速移动相机场景。本工作中，我们提出一种称为“实例感知 MOT”（IA-MOT）的新跟踪框架，通过联合考虑实例级特征与物体运动，可在静态或移动相机下跟踪多个物体。首先，从带有额外嵌入头的 Mask R-CNN 检测器变体中提取鲁棒外观特征，方法是将给定检测作为区域提议送入。同时，由给定实例掩码生成聚焦于边界框内前景的空间注意力，并应用于所提取的嵌入特征。在跟踪阶段，通过特征相似度与运动一致性利用匈牙利关联算法对齐物体实例掩码。此外，引入物体重识别（ReID）以恢复由长期遮挡或漏检导致的 ID 切换。总体而言，在 MOTS20 与 KITTI-MOTS 数据集上评估时，我们所提方法在 CVPR2020 研讨会 BMTT 挑战赛的 Track 3 中获得第一名。
关键词
引用
@article{arxiv.2006.13458,
title = {IA-MOT: Instance-Aware Multi-Object Tracking with Motion Consistency},
author = {Jiarui Cai and Yizhou Wang and Haotian Zhang and Hung-Min Hsu and Chengqian Ma and Jenq-Neng Hwang},
journal= {arXiv preprint arXiv:2006.13458},
year = {2020}
}
备注
The 5th Benchmarking Multi-Target Tracking (BMTT) Workshop, CVPR 2020