基于n步自助法的深度Q学习实现摄像机网络中的智能目标跟踪查询

监控摄像机网络是各种视觉分析应用的有用基础设施，其中可以基于跨网络的目标跟踪进行高级推理和预测。大多数多摄像机跟踪工作侧重于目标重识别和轨迹关联问题来跟踪目标。然而，由于摄像机网络可能产生海量视频数据，低效的重识别或轨迹关联查询方案可能导致计算需求过大。本文解决了多摄像机跟踪设置中重识别查询的智能调度问题。为此，我们将摄像机网络中的目标跟踪问题建模为MDP，并学习一个基于强化学习的策略来选择进行重识别查询的摄像机。所提出的摄像机选择方法不假设知道摄像机网络拓扑，但得到的策略隐式学习了它。我们还表明，这种策略可以直接从数据中学习。使用NLPR MCT和Duke MTMC多摄像机多目标跟踪基准，我们经验性地表明，所提出的方法大幅减少了查询的帧数。