将多视角检测与跟踪提升至鸟瞰视图
计算机视觉与模式识别
2024-03-20 v1
摘要
利用多视角聚合为解决多目标跟踪与检测中的遮挡和漏检等挑战提供了一种有前景的方案。多视角检测和3D物体识别的最新进展通过策略性地将所有视图投影到地平面并从鸟瞰视图进行检测分析，显著提升了性能。本文比较了现代提升方法（包括无参数和参数化方法）与多视角聚合。此外，我们提出了一种架构，该架构聚合多个时间步的特征以学习鲁棒检测，并结合基于外观和运动的线索进行跟踪。当前大多数跟踪方法要么关注行人，要么关注车辆。在我们的工作中，我们结合了两个分支，并通过跨场景设置向多视角检测添加了新的挑战。我们的方法在两个领域的三个公开数据集上进行了泛化：（1）行人：Wildtrack和MultiviewX，（2）路侧感知：Synthehicle，在检测和跟踪方面均达到了最先进的性能。https://github.com/tteepe/TrackTacular
引用
@article{arxiv.2403.12573,
title = {Lifting Multi-View Detection and Tracking to the Bird's Eye View},
author = {Torben Teepe and Philipp Wolters and Johannes Gilg and Fabian Herzog and Gerhard Rigoll},
journal= {arXiv preprint arXiv:2403.12573},
year = {2024}
}