视频监控中深度检测器与孪生跟踪器之间的交互研究
计算机视觉与模式识别
2019-11-01 v1 图像与视频处理
摘要
视觉目标跟踪是许多实时视频监控应用中的重要功能，例如人物的定位与时空识别。在真实应用中，目标检测器与跟踪器必须周期性交互以发现新目标，从而发起跟踪。与检测器的周期性交互也可使跟踪器利用新的边界框验证和/或更新其目标模板。然而，由于外观、背景与遮挡的变化，最先进检测器提供的边界框含有噪声，可能导致跟踪器漂移。此外，基于 CNN 的检测器虽能以计算复杂度为代价提供高水平精度，因此对于实时应用应尽量减少交互。本文提出一种新方法，用于管理来自 Siamese-FC 族的跟踪器的检测器-跟踪器交互。通过将变化检测机制集成到深度 Siamese-FC 跟踪器中，其模板可针对跟踪期间导致漂移的目标外观变化进行自适应。突变检测触发利用检测器产生的边界框更新跟踪器模板，而在渐变情况下，检测器用于更新一组演进的模板以实现鲁棒匹配。实验使用最先进的 Siamese-FC 跟踪器与 YOLOv3 检测器在模仿视频监控场景的 OTB-100 数据集子集上进行。结果凸显了使用精确检测器对可靠 VOT 的重要性。它们也表明我们的自适应孪生跟踪器对噪声目标检测具有鲁棒性，并能显著提升 Siamese-FC 跟踪的性能。
引用
@article{arxiv.1910.14552,
title = {On the Interaction Between Deep Detectors and Siamese Trackers in Video Surveillance},
author = {Madhu Kiran and Vivek Tiwari and Le Thanh Nguyen-Meidine and Eric Granger},
journal= {arXiv preprint arXiv:1910.14552},
year = {2019}
}
备注
Presented in AVSS-2019 Conference