基于轨迹张量的多相机轨迹预测
计算机视觉与模式识别
2021-08-25 v2
摘要
我们引入了多相机轨迹预测（MCTF）问题，即跨相机网络预测运动物体的轨迹。尽管多相机设置在监控和交通监控等应用中非常普遍，但现有的轨迹预测方法通常侧重于单相机轨迹预测（SCTF），限制了它们在此类应用中的使用。此外，使用单一相机限制了可用的视场，使得长期轨迹预测无法实现。我们通过开发一个 MCTF 框架来解决 SCTF 的这些缺陷，该框架同时使用来自多个视角的所有估计相对物体位置，并预测物体在所有可能视角下的未来位置。我们的框架遵循“哪个-何时-何地”的方法，预测物体出现在哪个（些）相机中，以及它们在相机视图内出现的时间和位置。为此，我们提出了轨迹张量的概念：一种用于跨多个相机视图编码轨迹及相关不确定性的新技术。我们为轨迹张量开发了多个编码器-解码器 MCTF 模型，并在专门为 MCTF 任务创建的我们自己的数据库（包含来自 15 个相机视图的 600 小时视频数据）上进行了大量实验。结果表明，我们的轨迹张量模型优于基于坐标轨迹的 MCTF 模型以及为 MCTF 改造的现有 SCTF 方法。代码获取自：https://github.com/olly-styles/Trajectory-Tensors
引用
@article{arxiv.2108.04694,
title = {Multi-Camera Trajectory Forecasting with Trajectory Tensors},
author = {Olly Styles and Tanaya Guha and Victor Sanchez},
journal= {arXiv preprint arXiv:2108.04694},
year = {2021}
}
备注
To appear in IEEE Transactions on Pattern Analysis and Machine Intelligence (tPAMI)