用于二维蜂巢中密集目标跟踪的像素个性

由于遮挡以及由此产生的轨迹组合复杂性，加上相关标注数据的稀疏性，跟踪大量密集排列且相互作用的目标具有挑战性。在此我们描述一种在二维蜂巢模型环境中进行集体跟踪的新技术，其中样本蜂群由 $N\sim10^3$ 个高度相似、紧密堆积且快速不规则运动的个体组成。这样的系统为多目标跟踪提供了普适性挑战，同时便于图像记录。我们首先应用一种基于分割的精确目标检测方法，通过基于类别、位置和朝向匹配目标构型来构建初始短轨迹段。随后，我们通过对目标识别模型进行自适应训练，使其能跨多帧通过视觉外观识别单个蜜蜂（我们将此属性称为像素个性），将这些轨迹段连接为完整的单目标轨迹。总体而言，我们在来自两个不同蜂巢的 5 分钟录像中重建了约 46% 的轨迹，以及至少 2 分钟的超过 71% 的轨迹。我们提供了经过验证的轨迹，涵盖位于不同地点、以不同像素分辨率拍摄的两个不同蜂群中 876 只未标记运动蜜蜂的 3000 视频帧，期望其有助于通用跟踪方案的进一步发展。