多摄像机轨迹预测：摄像机网络中的行人轨迹预测
计算机视觉与模式识别
2020-05-04 v1
摘要
我们引入了多摄像机轨迹预测（MCTF）任务，即在摄像机网络中预测物体的未来轨迹。先前工作考虑在单一摄像机视角下预测轨迹。我们的工作是首个考虑跨多个非重叠摄像机视角预测的极具挑战性场景。这在再识别与多目标多摄像机跟踪等任务中具有广泛适用性。为促进该新领域的研究，我们发布了 Warwick-NTU 多摄像机预测数据库（WNMF），这是一个来自 15 个同步摄像机网络的多摄像机行人轨迹独特数据集。为准确标注该大型数据集（600 小时视频素材），我们还开发了一种半自动标注方法。一个有效的 MCTF 模型应主动预判一个人在摄像机网络中将在何处及何时重新出现。在本文中，我们考虑预测行人在离开另一摄像机视野后将重新出现于下一摄像机的任务，并给出若干基线方法。标注数据库可在线获取：https://github.com/olly-styles/Multi-Camera-Trajectory-Forecasting。
引用
@article{arxiv.2005.00282,
title = {Multi-Camera Trajectory Forecasting: Pedestrian Trajectory Prediction in a Network of Cameras},
author = {Olly Styles and Tanaya Guha and Victor Sanchez and Alex Kot},
journal= {arXiv preprint arXiv:2005.00282},
year = {2020}
}
备注
CVPR 2020 Precognition workshop