城市混合交通中基于核相关滤波器(KCF)的多目标跟踪
计算机视觉与模式识别
2017-03-28 v2
摘要
最近，核相关滤波跟踪器(KCF)在视觉目标跟踪中取得了具有竞争力的性能与鲁棒性。另一方面，视觉跟踪器通常不用于多目标跟踪。本文研究了像KCF这样鲁棒的视觉跟踪器如何改进多目标跟踪。由于KCF是一种快速跟踪器，可并行使用多个且仍实现快速跟踪。我们构建了一个基于KCF与背景减除的多目标跟踪系统。背景减除用于提取运动物体并结合KCF输出获取其尺度与大小，而KCF用于数据关联以及处理碎片与遮挡问题。因此，KCF与背景减除在每一帧相互协助以做出跟踪决策。有时KCF输出最为可信（例如遮挡期间），而另一些情况下则是背景减除输出。为验证我们系统的有效性，该算法在标准数据集的四个城市视频记录上进行了演示。结果表明，即便我们使用简单得多的数据关联步骤，我们的方法仍可与最先进的跟踪器竞争。
引用
@article{arxiv.1611.02364,
title = {Multiple Object Tracking with Kernelized Correlation Filters in Urban Mixed Traffic},
author = {Yuebin Yang and Guillaume-Alexandre Bilodeau},
journal= {arXiv preprint arXiv:1611.02364},
year = {2017}
}
备注
Accepted for CRV 2017