MotionTrack:面向多目标跟踪的运动预测器学习
计算机视觉与模式识别
2024-03-12 v2
摘要
通过检测与重识别(ReID)技术的演进,多目标跟踪(MOT)取得了显著进展。尽管有这些进步,在外观同质而运动异质的场景中准确跟踪对象仍是一项挑战。该挑战源于两个主要因素:ReID特征区分性不足,以及MOT中主要使用线性运动模型。在此背景下,我们介绍了一种新颖的基于运动的跟踪器MotionTrack,其核心是仅依赖对象轨迹信息的可学习运动预测器。该预测器综合整合两个粒度的运动特征,以增强时间动态建模并促进对单个对象未来运动的精确预测。具体而言,所提方法采用自注意力机制捕获令牌级信息,并采用动态MLP层建模通道级特征。MotionTrack是一种简单的在线跟踪方法。我们的实验结果表明,MotionTrack在Dancetrack和SportsMOT等具有高度复杂对象运动的数据集上取得了最先进的性能。
引用
@article{arxiv.2306.02585,
title = {MotionTrack: Learning Motion Predictor for Multiple Object Tracking},
author = {Changcheng Xiao and Qiong Cao and Yujie Zhong and Long Lan and Xiang Zhang and Zhigang Luo and Dacheng Tao},
journal= {arXiv preprint arXiv:2306.02585},
year = {2024}
}