基于深度判别相关滤波器的无人机群体监控轨迹连续性改进方法
计算机视觉与模式识别
2025-04-30 v1 机器人学
摘要
无人机群体监控是监视、公共安全和活动管理等应用领域的关键技术。然而，维持轨迹的连续性和一致性仍是一大挑战。传统的检测-分配跟踪方法在虚假阳性、虚假阴性和频繁身份切换方面难题，导致计数精度下降，难以进行深入分析。本文引入一种基于点的在线跟踪算法，通过三项低成本技术（相机运动补偿、高度感知分配和基于分类的轨迹验证）和深度判别相关滤波器（DDCF），显著改善无人机群体监控中的轨迹连续性和计数可靠性。该方法在DroneCrowd和新建的UP-COUNT-TRACK数据集上进行评估，跟踪指标显著提升，将计数误差分别降至23%和15%，显著减少身份切换，同时保持高跟踪精度，优于基线在线跟踪器及离线贪心优化方法。
引用
@article{arxiv.2504.20234,
title = {Improving trajectory continuity in drone-based crowd monitoring using a set of minimal-cost techniques and deep discriminative correlation filters},
author = {Bartosz Ptak and Marek Kraft},
journal= {arXiv preprint arXiv:2504.20234},
year = {2025}
}
备注
Preprint submitted to the Expert Systems with Applications journal