RLM-Tracking:由相对位置映射支撑的在线多行人跟踪
计算机视觉与模式识别
2022-10-20 v1 人工智能
摘要
多目标跟踪问题是计算机视觉的基础研究焦点,广泛应用于公共安全、交通、自动驾驶、机器人及其他涉及人工智能的领域。由于自然场景的复杂性,在基础跟踪任务中常出现物体遮挡与半遮挡。这些容易引发 ID 切换、目标丢失、检测错误与边界框错位。这些情况对多目标跟踪精度有显著影响。本文中,我们针对上述问题的新多目标跟踪器,其包含物体\textbf{相对位置映射}(RLM)模型与\textbf{目标区域密度}(TRD)模型。新跟踪器对物体间位置关系的差异更为敏感。它可根据视频中物体区域的密度,将低分检测框实时引入不同区域。这在不消耗大量算力资源的情况下提升了物体跟踪精度。我们的研究表明,所提模型在应用于先进 MOT 方法时,在 MOT17 与 MOT20 数据集上显著提升了 HOTA 与 DF1 指标。
引用
@article{arxiv.2210.10477,
title = {RLM-Tracking: Online Multi-Pedestrian Tracking Supported by Relative Location Mapping},
author = {Kai Ren and Chuanping Hu},
journal= {arXiv preprint arXiv:2210.10477},
year = {2022}
}