监控场景下的在线实时跟踪
计算机视觉与模式识别
2021-06-03 v1 机器学习
摘要
本文提出一种监控场景下的跟踪方法。该场景的典型特征是：静态摄像机安装于人体高度之上进行7×24小时不间断运行，且场景中包含大量物体或行人。多目标跟踪基准20（MOT20）最能反映此场景。我们可证明，我们的方法在该基准上具备实时能力，并在HOTA、MOTA与IDF1指标上优于所有其他具备实时能力的方法。为此，我们贡献了一个经重构以实现线性运行时间（而非二次）的快速孪生网络，用于从检测结果生成指纹。从而，可基于多种跟踪专用评分将检测关联至卡尔曼滤波器：指纹的余弦相似度、交并比（IoU）以及图像中的像素距离比。
引用
@article{arxiv.2106.01153,
title = {Online and Real-Time Tracking in a Surveillance Scenario},
author = {Oliver Urbann and Oliver Bredtmann and Maximilian Otten and Jan-Philip Richter and Thilo Bauer and David Zibriczky},
journal= {arXiv preprint arXiv:2106.01153},
year = {2021}
}