大规模真实场景多人跟踪
计算机视觉与模式识别
2022-11-07 v1
摘要
本文提出一个新的大规模多人跟踪数据集——\texttt{PersonPath22}，其规模比当前可用的高质量多目标跟踪数据集（如 MOT17、HiEve 和 MOT20 数据集）大一个数量级以上。该任务大规模训练与测试数据的缺乏，限制了学界理解其跟踪系统在广泛场景与条件下（如人员密度、所作动作、天气和时段的变化）性能的能力。\texttt{PersonPath22} 数据集专门采集以提供这些条件的丰富多样性，且我们的标注包含丰富元数据，从而可沿这些不同维度评估跟踪器性能。训练数据的缺乏也限制了端到端训练跟踪系统的能力。因此，性能最高的跟踪系统都依赖于在外部图像数据集上训练的强检测器。我们希望该数据集的发布能催生利用大规模基于视频的训练数据的新研究方向。
关键词
引用
@article{arxiv.2211.02175,
title = {Large Scale Real-World Multi-Person Tracking},
author = {Bing Shuai and Alessandro Bergamo and Uta Buechler and Andrew Berneshawi and Alyssa Boden and Joseph Tighe},
journal= {arXiv preprint arXiv:2211.02175},
year = {2022}
}
备注
ECCV 2022