MapTrack：在地图中跟踪
计算机视觉与模式识别
2024-02-21 v1
摘要
多目标跟踪 (MOT) 旨在为每个目标维持稳定且不间断的轨迹。大多数最先进 (SOTA) 的方法首先检测每一帧中的物体，然后利用运动模型和外观相似性在新检测与现有轨迹之间实施数据关联。尽管取得了令人满意的结果，但遮挡和人群容易导致检测缺失和失真，随后导致关联缺失和错误。在本文中，我们首先回顾了经典跟踪器 DeepSORT，通过在拥挤和遮挡场景中当检测不可用或质量较低时给予预测更大的信任，显著增强了其在人群和遮挡方面的鲁棒性。具体而言，我们提出了一个由三种轻量级即插即用算法组成的新框架：概率图、预测图和协方差自适应卡尔曼滤波器。概率图识别未检测到的物体是真正离开了视野（例如，移出图像或进入建筑物），还是仅因遮挡或其他原因暂时未被检测到。仍在概率图内的未检测目标的轨迹通过状态估计直接延伸。预测图确定物体是否处于人群中，当观测发生严重变形时，我们通过协方差自适应卡尔曼滤波器优先使用状态估计而非观测。所提出的方法名为 MapTrack，在 MOT17 和 MOT20 等流行的多目标跟踪基准上取得了 SOTA 结果。尽管性能优越，我们的方法仍然简单、在线且实时。代码将在稍后开源。
引用
@article{arxiv.2402.12968,
title = {MapTrack: Tracking in the Map},
author = {Fei Wang and Ruohui Zhang and Chenglin Chen and Min Yang and Yun Bai},
journal= {arXiv preprint arXiv:2402.12968},
year = {2024}
}
备注
10 pages