学习多视图环境中的人员跟踪在线策略
计算机视觉与模式识别
2023-12-27 v1
摘要
在本文中，我们介绍了 MVSparse，这是一种用于跨多个同步摄像机进行协作多人跟踪的新颖且高效的框架。MVSparse 系统由一个精心编排的流水线组成，结合了基于边缘服务器的模型与在各个摄像机上运行的分布式轻量级强化学习（Reinforcement Learning, RL）代理。这些 RL 代理根据历史摄像机数据和相邻摄像机的检测结果，智能地选择每一帧中的信息块，从而显著减少计算负载和通信开销。边缘服务器聚合多个摄像机视图以执行检测任务，并向各个代理提供反馈。通过将来自不同视角的输入投影到公共地面平面上并应用深度检测模型，MVSparse 最优地利用了多视图视频中的时间和空间冗余。值得注意的是，我们的贡献包括对多摄像机行人跟踪数据集的实证分析、多摄像机多人检测流水线的开发以及 MVSparse 的实现，在开放数据集和现实场景均取得了令人印象深刻的结果。实验表明，与基线方法相比，MVSparse 将整体推理时间分别加速了 1.88 倍和 1.60 倍，而跟踪精度仅分别降低了 2.27% 和 3.17%，展示了其在高效多摄像机跟踪应用中的巨大潜力。
引用
@article{arxiv.2312.15858,
title = {Learning Online Policies for Person Tracking in Multi-View Environments},
author = {Keivan Nalaie and Rong Zheng},
journal= {arXiv preprint arXiv:2312.15858},
year = {2023}
}