引入基于树的技术以实现目标跟踪系统中高效实时的标签检索

本文解决大规模视频监控系统中运动目标实时跟踪质量的问题。在跟踪过程中，系统为每个被跟踪目标分配一个标识符或标签，以将其与其他目标区分开。在此类任务中，无论区域、出现时间或检测相机如何，为同一目标保持该标识符至关重要。这是为了尽可能保留关于跟踪目标的信息，减少 ID 切换（ID-Sw）数量，并提升目标跟踪质量。为实现目标标注，必须搜索相机采集的大量数据以检索最相似（最近邻）的目标标识符。尽管该任务简单，在大规模视频监控网络中却变得非常复杂，因为数据量变得非常庞大。此时，标签检索时间随数据量增加而显著上升，对实时跟踪系统性能产生负面影响。为避免此类问题，我们提出一种新方案，利用索引机制自动标注多个目标以实现高效实时跟踪。该机制将检测与跟踪阶段提取的目标元数据组织于 Adaptive BCCF-tree 中。该结构的主要优势在于：能索引多相机生成的海量元数据，具有对数级搜索复杂度（隐式降低搜索响应时间），以及其研究结果质量可确保被跟踪目标的连贯标注。系统负载通过一种基于新型视频物联网（Internet of Video Things）基础设施的架构进行分布，以提升数据处理与实时目标跟踪性能。实验评估在一个由多相机生成、包含不同人群活动的公开数据集上进行。