基于变点检测的多类多目标跟踪
计算机视觉与模式识别
2018-05-30 v1
摘要
本文提出了一种基于贝叶斯滤波框架的鲁棒多类多目标跟踪 (MCMOT) 方法。通过结合检测响应与变点检测 (CPD) 算法，实现了对不限类别数的多目标跟踪。CPD 模型用于基于跟踪状态的时空特性，观测因漂移和遮挡引起的突变或异常变化。采用卷积神经网络 (CNN) 目标检测器与 Lucas-Kanade 跟踪器 (KLT) 运动检测器的集成，计算前景区域作为不同目标类别的检测响应似然。在最近引入的具有挑战性的基准视频（ImageNet VID 和 MOT 基准数据集）上进行了大量实验。与最先进的视频跟踪技术相比，结果非常令人鼓舞。
引用
@article{arxiv.1608.08434,
title = {Multi-Class Multi-Object Tracking using Changing Point Detection},
author = {Byungjae Lee and Enkhbayar Erdenee and Songguo Jin and Phill Kyu Rhee},
journal= {arXiv preprint arXiv:1608.08434},
year = {2018}
}