基于视觉与运动线索检测的目标跟踪
计算机视觉与模式识别
2021-01-20 v1
摘要
自动驾驶汽车及其他自主车辆需要在相机图像中检测并跟踪目标。我们提出一种简单的在线跟踪算法，其基于恒定速度运动模型与卡尔曼滤波器，以及一种分配启发式。该分配启发式依赖四个度量：描述目标外观并可用于重新识别的嵌入向量、描述两连续视频帧间目标运动的位移向量、卡尔曼滤波状态与新检测间的马氏距离，以及类间距离。这些度量通过线性 SVM 组合，随后用匈牙利算法求解分配问题。我们还提出一种高效的 CNN 架构来估计这些度量。我们的多帧模型接受两连续视频帧，在骨干网络中分别处理，然后在所得特征图上估计光流。这使得网络头可估计位移向量。我们在具有挑战性的 BDD100K 跟踪数据集上评估了我们的方法。我们的多帧模型取得了 39.1% 的良好 MOTA 值，MOTP 中定位误差低至 0.206。我们的快速单帧模型在 MOTP 中取得了更低的 0.202 定位误差，以及 36.8% 的 MOTA 值。
引用
@article{arxiv.2101.07549,
title = {Object Tracking by Detection with Visual and Motion Cues},
author = {Niels Ole Salscheider},
journal= {arXiv preprint arXiv:2101.07549},
year = {2021}
}