基于跟踪目标边界框关联的多目标跟踪
计算机视觉与模式识别
2021-05-18 v1
摘要
CenterTrack跟踪算法使用简单的检测模型与单帧空间偏移，在单一网络中定位目标并预测其关联，实现了最先进的跟踪性能。然而，这种联合检测与跟踪方法由于关联方法欠佳，仍存在较高的身份切换（identity switches）。为减少大量身份切换并提升跟踪精度，本文提出将基于当前帧的简单跟踪目标边界框与重叠预测融入CenterTrack算法。具体而言，我们在关联步骤中提出使用交并比（IOU）距离代价矩阵，取代简单的点位移距离。我们在MOT17测试数据集上评估所提跟踪器，表明在相同轨迹段生存期内，相较原始CenterTrack，所提方法可将身份切换显著降低22.6%，并在IDF1上获得1.5%的明显提升。源代码发布于 https://github.com/Nanyangny/CenterTrack-IOU。
引用
@article{arxiv.2105.07901,
title = {Multi-object Tracking with Tracked Object Bounding Box Association},
author = {Nanyang Yang and Yi Wang and Lap-Pui Chau},
journal= {arXiv preprint arXiv:2105.07901},
year = {2021}
}
备注
6 pages, accepted paper at ICME workshop 2021