SAMOT：感知切换器的多目标跟踪及另一种 MOT 度量
计算机视觉与模式识别
2020-09-23 v1
摘要
多目标跟踪（MOT）是计算机视觉中的热门话题。然而，身份问题，即一个对象被错误关联到另一不同身份的对象，仍是一个具有挑战性的问题。为此，应关注切换器，即可能引起身份问题的混淆目标。基于该动机，本文提出一种新颖的感知切换器的多目标跟踪框架，由空间冲突图模型（SCG）与切换器感知关联（SAA）组成。SCG 通过构建冲突图并求解最优子图来消除帧内空间切换器。SAA 利用跨帧潜在时间切换器的附加信息，实现更准确的数据关联。此外，我们提出一种新的 MOT 评估度量，另一种 IDF 分数（SAIDF），旨在更关注身份问题。该新度量可克服先前度量的一些问题，并为 MOT 中的身份问题提供更好洞察。最后，所提框架在传统度量与我们提出的新度量下均进行了测试。大量实验表明我们的方法在所有度量上均取得有竞争力的结果。
引用
@article{arxiv.2009.10338,
title = {SAMOT: Switcher-Aware Multi-Object Tracking and Still Another MOT Measure},
author = {Weitao Feng and Zhihao Hu and Baopu Li and Weihao Gan and Wei Wu and Wanli Ouyang},
journal= {arXiv preprint arXiv:2009.10338},
year = {2020}
}