面向多目标跟踪的联合计数、检测与重识别
计算机视觉与模式识别
2024-02-20 v3
摘要
近期2D多目标跟踪（MOT）的趋势是联合求解检测与跟踪，其中目标检测与表观特征（或运动）被同时学习。尽管性能具有竞争力，在拥挤场景中，联合检测与跟踪常因漏检或误检而未能找到准确的目标关联。本文中，我们在一个端到端框架中联合建模计数、检测与重识别，命名为CountingMOT，专为拥挤场景设计。通过在检测与计数间施加互目标计数约束，CountingMOT试图在目标检测与人群密度图估计间寻找平衡，从而帮助其恢复漏检或拒绝误检。我们的方法试图弥合目标检测、计数与重识别间的鸿沟。这与先前要么忽略人群密度因而在拥挤场景中易失败、要么依赖局部相关性建立图关系以匹配目标的MOT方法形成对比。所提出的MOT跟踪器可进行在线实时跟踪，并在公开基准MOT16（MOTA为79.7）、MOT17（MOTA为81.3%）与MOT20（MOTA为78.9%）上取得最先进结果。
引用
@article{arxiv.2212.05861,
title = {Joint Counting, Detection and Re-Identification for Multi-Object Tracking},
author = {Weihong Ren and Denglu Wu and Hui Cao and Xi'ai Chen and Zhi Han and Honghai Liu},
journal= {arXiv preprint arXiv:2212.05861},
year = {2024}
}