基于概率数据关联与对应嵌入的行人跟踪
计算机视觉与模式识别
2019-07-17 v1 机器学习
机器人学
摘要
本文研究了在多目标行人跟踪中建立对应关系时运动学（位置与速度）与外观线索之间的相互作用。我们探讨了基于深度学习检测器、联合集成概率数据关联（JIPDA）和基于深度对应嵌入外观跟踪的按检测跟踪方法。我们首先通过微调卷积检测器以实现精确的行人检测，并将其与仅运动学的JIPDA结合，解决了固定摄像机设置问题。由此产生的提交在3DMOT2015基准测试中排名第一。然而，在具有运动摄像机和未知自运动的序列中，我们通过用深度对应嵌入的全局最近邻跟踪替换运动学线索获得了最佳结果。我们通过使用由边际项扩展的角损失微调ResNet-18第二块的特征来训练嵌入。我们注意到，将深度对应嵌入直接集成到JIPDA中并未带来显著改进。看来，用于软数据关联的深度对应嵌入的几何结构需要进一步研究，以便从两方面获得最佳效果。
引用
@article{arxiv.1907.07045,
title = {Pedestrian Tracking by Probabilistic Data Association and Correspondence Embeddings},
author = {Borna Bićanić and Marin Oršić and Ivan Marković and Siniša Šegvić and Ivan Petrović},
journal= {arXiv preprint arXiv:1907.07045},
year = {2019}
}