基于伪深度线索的遮挡鲁棒多目标跟踪方法 PD-SORT
计算机视觉与模式识别
2025-01-22 v1
摘要
多目标跟踪 (MOT) 是视频处理技术中的热门话题，在消费电子领域具有重要的应用价值。目前，基于检测的跟踪 (TBD) 是 MOT 的主导范式，逐帧进行目标检测和关联。然而，TBD 方法在包含严重遮挡的复杂场景中关联性能会下降，限制了其在现实场景中的应用。为此，我们引入伪深度线索以增强关联性能，提出基于伪深度的 SORT 方法 (PD-SORT)。首先，我们将卡尔曼滤波状态向量扩展为包含伪深度状态。其次，我们引入一种新型深度体 IoU (DVIoU)，将常规 2D IoU 与伪深度结合。此外，我们开发了一种量化伪深度测量 (QPDM) 策略，以实现更稳健的数据关联。此外，我们还集成了相机运动补偿 (CMC) 以处理动态相机情况。通过上述设计，PD-SORT 显著缓解了遮挡导致的模糊关联问题，在 DanceTrack、MOT17 和 MOT20 上实现了领先的性能。值得注意的是，在对象呈现复杂运动、相似外观和频繁遮挡的 DanceTrack 上，改进尤为显著。代码已公开于 https://github.com/Wangyc2000/PD_SORT。
引用
@article{arxiv.2501.11288,
title = {PD-SORT: Occlusion-Robust Multi-Object Tracking Using Pseudo-Depth Cues},
author = {Yanchao Wang and Dawei Zhang and Run Li and Zhonglong Zheng and Minglu Li},
journal= {arXiv preprint arXiv:2501.11288},
year = {2025}
}