利用多线索与切换感知分类的多目标跟踪
计算机视觉与模式识别
2019-01-21 v1
摘要
本文中,我们提出一个统一的多目标跟踪(MOT)框架,学习充分利用长期与短期线索以处理 MOT 场景中的复杂情况。此外,为了更好的关联,我们提出切换感知分类(SAC),其将潜在的身份切换引发者(切换者)纳入考虑。具体地,所提框架包括一个单目标跟踪(SOT)子网络以捕获短期线索,一个重识别(ReID)子网络以提取长期线索,以及一个切换感知分类器以利用从主目标和切换者提取的特征做出匹配决策。短期线索有助于发现漏检,而长期线索在遮挡发生时避免关键错误,SAC 学习以有效方式组合多线索并提升鲁棒性。该方法在具有挑战性的 MOT 基准上评估并取得了最先进的结果。
引用
@article{arxiv.1901.06129,
title = {Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification},
author = {Weitao Feng and Zhihao Hu and Wei Wu and Junjie Yan and Wanli Ouyang},
journal= {arXiv preprint arXiv:1901.06129},
year = {2019}
}
备注
10 pages, 7 figures