用于监控视频摘要的长期身份感知多人跟踪
计算机视觉与模式识别
2017-04-12 v2
摘要
多人跟踪在监控视频分析中起着关键作用。然而，大多数现有工作聚焦于较短期（例如分钟级或小时级）视频序列。因此，我们提出一种用于极长期（例如月级）多摄像头监控场景的多人跟踪算法。长期跟踪具有挑战性，因为1）同一个人在多天内的服装/外观会有很大变化，2）一个人会无数次离开和重新进入场景。为应对这些挑战，我们利用人脸识别信息（其对服装变化具有鲁棒性）在多天记录中自动重新初始化我们的跟踪器。不幸的是，识别的人脸经常不可用。因此，我们的跟踪器通过将身份信息传播到没有人脸识别的帧，揭示由人物检测形成的外观和空间流形。我们在一个23天15摄像头的数据集（总共4,935小时）上测试了我们的算法，我们能够以69.8%的精度在53.2%的时间内定位一个人。我们进一步基于我们的跟踪输出执行了视频摘要实验。在116.25小时视频上的结果表明，我们能够为不同的人生成合理的视觉日记（即一个人做了什么摘要），从而潜在地为每天生成的大量监控视频的自动摘要打开大门。
引用
@article{arxiv.1604.07468,
title = {Long-Term Identity-Aware Multi-Person Tracking for Surveillance Video Summarization},
author = {Shoou-I Yu and Yi Yang and Xuanchong Li and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:1604.07468},
year = {2017}
}