利用多类目标检测器在城市交通场景中进行多目标跟踪
计算机视觉与模式识别
2018-09-07 v1
摘要
城市交通中的多目标跟踪（MOT）旨在生成不同道路使用者的轨迹，这些使用者在视场中以不同方向与速度运动，且可能具有变化的外观与尺寸。由于城市道路交通的性质，不同物体之间的遮挡与交互是可预期且常见的。本工作中，除物体位置与外观外，还采用来自深度学习检测方法的分类标签信息用于关联不同物体。我们欲探究现代多类目标检测器在交通场景 MOT 任务上的性能。结果表明物体标签改善了跟踪性能，但目标检测器的输出并非总是可靠的。
引用
@article{arxiv.1809.02073,
title = {Multiple Object Tracking in Urban Traffic Scenes with a Multiclass Object Detector},
author = {Hui-Lee Ooi and Guillaume-Alexandre Bilodeau and Nicolas Saunier and David-Alexandre Beaupré},
journal= {arXiv preprint arXiv:1809.02073},
year = {2018}
}
备注
13th International Symposium on Visual Computing (ISVC)