基于实例流的多目标在线跟踪
计算机视觉与模式识别
2017-05-16 v2
摘要
我们提出了一种在单目视频数据中对已知目标类别进行多目标在线跟踪（MOT）的方法。当前的基于检测的跟踪 MOT 方法建立在 2D 边界框检测之上。相比之下，我们利用最先进的实例感知语义分割技术来计算每帧中目标对象的 2D 形状表示。我们通过利用光流线索来预测分割实例在后续帧中的位置和形状。我们定义了后续帧中实例之间的亲和矩阵，该矩阵反映了局部性和视觉相似性。实例关联问题通过应用匈牙利方法求解。我们使用 MOT 2D 2015 训练数据集评估了算法的不同配置。评估表明，我们的跟踪方法能够跟踪具有高相对运动的目标。此外，我们在 MOT 2D 2015 测试集上提供了该方法的结果，以便与先前的工作进行比较。我们取得了 32.1 的 MOTA 分数。
引用
@article{arxiv.1703.01289,
title = {Instance Flow Based Online Multiple Object Tracking},
author = {Sebastian Bullinger and Christoph Bodensteiner and Michael Arens},
journal= {arXiv preprint arXiv:1703.01289},
year = {2017}
}