学习在遮挡下跟踪物体位置

遮挡是物体检测器与跟踪器遇到的最显著挑战之一。尽管过去物体检测与跟踪已受到大量关注，该领域大多数现有方法并不以遮挡下的物体检测或跟踪为目标。然而，能够在遮挡下检测或跟踪感兴趣物体一直是不同自主任务中的长期挑战。采用带有显式遮挡建模的视觉物体跟踪器的传统方法会出现漂移，并对数据做出若干基本假设。我们提议用一种“检测即跟踪（tracking-by-detection）”方法来解决此问题，该方法建立在基于区域的视频物体检测器的成功之上。我们的视频级物体检测器其核心使用一种新颖的循环计算单元，即便在遮挡下也能实现物体特征的长时程传播。最后，我们将我们的方法与现有最先进的视频物体检测器进行比较，并表明我们的方法在从互联网收集的家具装配视频数据集上取得了更优结果，其中螺丝、螺母和螺栓等小物体经常从相机视角被遮挡。