面向拥挤视频监控场景的长期人脸跟踪
计算机视觉与模式识别
2020-10-20 v1
摘要
当前多数多目标跟踪器聚焦于短期跟踪，并基于不实时运行的深度复杂系统，常使其在视频监控中不实用。本文提出一种面向拥挤场景（尤其在运动和遮挡上无约束、且人脸常为人唯一可见部分）的长期多人脸跟踪架构。我们的系统受益于人脸检测与人脸识别领域的进展以实现长期跟踪。它遵循检测跟踪方法，将快速短期视觉跟踪器与基于人脸验证的新型在线轨迹段重连策略相结合。此外，包含一个校正模块以无额外计算代价纠正过去的轨迹分配。我们给出一系列实验，引入用于评估长期跟踪能力的新型专用指标，并公开发布一个视频数据集。结果表明，在此场景下，我们的方法相较 SOTA 深度学习跟踪器可获得长达 50% 更长的跟踪轨迹。
引用
@article{arxiv.2010.08675,
title = {Long-Term Face Tracking for Crowded Video-Surveillance Scenarios},
author = {Germán Barquero and Carles Fernández and Isabelle Hupont},
journal= {arXiv preprint arXiv:2010.08675},
year = {2020}
}
备注
8 pages, 6 figures, 4 tables. Published in the International Joint Conference on Biometrics, 2020