暗光环境下的多目标跟踪
计算机视觉与模式识别
2024-05-13 v1
摘要
低光照场景在现实世界应用中普遍存在（例如夜间自动驾驶和监控）。最近，各种实际用例中的多目标跟踪受到了广泛关注，但暗光场景下的多目标跟踪却很少被考虑。在本文中，我们聚焦于暗光场景下的多目标跟踪。为了解决数据集缺乏的问题，我们首先构建了一个低光照多目标跟踪（LMOT）数据集。LMOT提供了由我们的双摄像头系统捕获的对齐良好的低光照视频对，以及所有视频的高质量多目标跟踪标注。然后，我们提出了一种低光照多目标跟踪方法，称为LTrack。我们引入了自适应低通下采样模块，以增强传感器噪声之外的图像低频分量。退化抑制学习策略使模型能够学习在噪声干扰和图像质量退化下的不变信息。这些组件提高了暗光场景下多目标跟踪的鲁棒性。我们对我们的LMOT数据集和提出的LTrack方法进行了全面分析。实验结果证明了所提方法的优越性及其在真实夜间低光照场景中的竞争力。数据集和代码：https://github.com/ying-fu/LMOT
引用
@article{arxiv.2405.06600,
title = {Multi-Object Tracking in the Dark},
author = {Xinzhe Wang and Kang Ma and Qiankun Liu and Yunhao Zou and Ying Fu},
journal= {arXiv preprint arXiv:2405.06600},
year = {2024}
}
备注
Accepted by CVPR2024