不朽追踪器：轨迹片段永不消亡
计算机视觉与模式识别
2021-11-29 v1
摘要
以往在线三维多目标跟踪（3DMOT）方法在轨迹片段连续若干帧未与新的检测关联时便终止该片段。但如果物体只是暂时消失，例如被其他物体短暂遮挡或仅仅移出视场（FOV），过早终止轨迹片段将导致身份切换。我们揭示，过早的轨迹片段终止是现代 3DMOT 系统中身份切换的主要原因。为此，我们提出 Immortal Tracker，一种利用轨迹预测为消失物体维持轨迹片段的简单跟踪系统。我们采用简单的卡尔曼滤波器进行轨迹预测，并在目标不可见时通过预测保留轨迹片段。使用该方法，我们可避免 96% 由过早终止轨迹片段引起的车辆身份切换。无需任何可学习参数，我们的方法在 Waymo Open Dataset 测试集上针对车辆类实现了 0.0001 量级的错配率以及具竞争力的 MOTA。我们的错配率比以往任何已发表方法低数十倍。在 nuScenes 上亦报告了类似结果。我们相信所提出的 Immortal Tracker 能为推进 3DMOT 极限提供简单而强大的解决方案。我们的代码见 https://github.com/ImmortalTracker/ImmortalTracker。
引用
@article{arxiv.2111.13672,
title = {Immortal Tracker: Tracklet Never Dies},
author = {Qitai Wang and Yuntao Chen and Ziqi Pang and Naiyan Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2111.13672},
year = {2021}
}