基于排序验证的拥挤场景中长期人脸跟踪
计算机视觉与模式识别
2021-07-29 v1
摘要
当前大多数多目标跟踪器聚焦于短期跟踪，并基于深层复杂系统，往往无法实时运行，使其在视频监控中并不实用。本文提出一种长期多人脸跟踪架构，专为在拥挤环境中工作而设计，其中人脸通常是人唯一可见的部分。我们的系统受益于人脸检测与人脸识别领域的进展以实现长期跟踪，并且对人物的运动和遮挡特别不受限。它遵循检测跟踪（tracking-by-detection）方法，将快速短期视觉跟踪器与一种基于排序人脸验证的新型在线轨迹段重连策略相结合。所提出的基于排序的约束有利于增大轨迹段间的类间距离，并减少因错误重连导致的误差传播。此外，包含一个校正模块，可在无额外计算成本的情况下校正过去的分配。我们提出了一系列实验，引入了用于评估长期跟踪能力的新型专用指标，并公开发布了一个包含 10 段手动标注视频、总时长 8' 54" 的视频数据集。我们的结果验证了各提出模块的鲁棒性，并表明在这些挑战性环境中，我们的方法比最先进的深度学习跟踪器生成的轨迹长多达 50%。
引用
@article{arxiv.2107.13273,
title = {Rank-based verification for long-term face tracking in crowded scenes},
author = {Germán Barquero and Isabelle Hupont and Carles Fernández},
journal= {arXiv preprint arXiv:2107.13273},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2010.08675