基于二次目标交互的多目标跟踪学习
计算机视觉与模式识别
2014-12-10 v2 机器学习
摘要
我们描述了一个基于跨视频帧关联候选检测集合的多目标跟踪模型。为了建模不同轨迹之间的成对交互，例如抑制重叠轨迹以及关于不同目标共现的上下文线索，我们在标准最小费用流目标函数中加入了检测变量之间的二次项。我们使用结构化预测和一个近似多目标跟踪精度的损失函数来学习该模型的参数。我们评估了在模型目标下寻找最优轨迹集合的两种不同方法，一种基于 LP 松弛，另一种是处理成对交互的动态规划的新型贪心扩展。我们发现，该贪心算法达到了与 LP 松弛相当的性能，同时比商业求解器快 2-7 倍。最终具有学习参数的模型在 KITTI 跟踪基准测试上的多个类别中优于现有方法。
引用
@article{arxiv.1412.2066,
title = {Learning Multi-target Tracking with Quadratic Object Interactions},
author = {Shaofei Wang and Charless C. Fowlkes},
journal= {arXiv preprint arXiv:1412.2066},
year = {2014}
}