基于鲁棒相似度量的多船舶跟踪
人工智能
2023-10-10 v1 计算机视觉与模式识别
摘要
多船舶跟踪（MST）作为一项核心技术，已被证明可应用于海上态势感知以及自主船舶导航系统的开发。尽管多目标跟踪（MOT）算法在行人与车辆数据集上取得了令人印象深刻的跟踪结果，但这些模型与技术应用于船舶数据集时表现不佳。交并比（IoU）是目标跟踪中用于计算相似度的最流行度量。船舶数据集中由波浪湍流引起的低帧率与严重图像抖动，常导致预测与检测边界框之间的交并比（IoU）极小甚至为零。该问题导致了被跟踪对象频繁的 identity switches（身份切换），损害了跟踪性能。本文通过纳入同时包围预测与检测边界框的最小凸形状，解决了 IoU 的弱点。跟踪版 IoU（TIoU）度量的计算不仅考虑检测边界框与预测框之间重叠区域的大小，还考虑它们形状的相似性。通过将 TIoU 集成到最先进的目标跟踪框架（如 DeepSort 和 ByteTrack）中，我们持续实现了这些框架跟踪性能的提升。
引用
@article{arxiv.2310.05171,
title = {Multi-Ship Tracking by Robust Similarity metric},
author = {Hongyu Zhao and Gongming Wei and Yang Xiao and Xianglei Xing},
journal= {arXiv preprint arXiv:2310.05171},
year = {2023}
}