压缩域中的实时在线多目标跟踪
计算机视觉与模式识别
2022-04-06 v1 图像与视频处理
摘要
近期的在线多目标跟踪（Multi-Object Tracking, MOT）方法已取得了令人满意的跟踪性能。然而，大多数现有方法的跟踪速度相当慢。受相邻帧高度相关且冗余这一事实的启发，我们将帧分别划分为关键帧与非关键帧，并在压缩域中跟踪对象。对于关键帧，恢复 RGB 图像以进行检测与数据关联。为使数据关联更可靠，提出了一种可与检测器联合训练的外观卷积神经网络（Convolutional Neural Network, CNN）。对于非关键帧，对象由基于压缩域所提供的运动信息的跟踪 CNN 直接传播。与最先进的在线 MOT 方法相比，我们的跟踪器在保持可比跟踪性能的同时快约 6 倍。
引用
@article{arxiv.2204.02081,
title = {Real-time Online Multi-Object Tracking in Compressed Domain},
author = {Qiankun Liu and Bin Liu and Yue Wu and Weihai Li and Nenghai Yu},
journal= {arXiv preprint arXiv:2204.02081},
year = {2022}
}