可扩展实时多摄像头车辆检测、重识别与跟踪
计算机视觉与模式识别
2022-04-18 v1 人工智能
摘要
多摄像头车辆跟踪是计算机视觉中最复杂的任务之一，因为它涉及车辆检测、跟踪和重识别等不同的任务。尽管存在挑战，多摄像头车辆跟踪在交通应用中具有巨大潜力，包括速度、流量、起讫点（O-D）和路径数据生成。近期若干工作已解决多摄像头跟踪问题。然而，大部分努力都投向在高质量基准数据集上提升精度，而忽视了较低的摄像头分辨率、压缩伪影，以及在其边缘执行该任务所需的海量计算资源和时间，从而使其难以大规模和实时部署。因此，在本工作中，我们阐明了设计多摄像头跟踪系统以提供可操作且及时洞察时应解决的实际问题。此外，我们提出了一种实时城市级多摄像头车辆跟踪系统，其优于计算密集的替代方案，并处理现实世界低分辨率CCTV而非理想化和精选的视频流。为展示其有效性，除集成到区域综合交通信息系统（RITIS）外，我们参与了2021 NVIDIA AI City多摄像头跟踪挑战赛，我们的方法在公开排行榜上排名前五。
引用
@article{arxiv.2204.07442,
title = {Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking},
author = {Pirazh Khorramshahi and Vineet Shenoy and Michael Pack and Rama Chellappa},
journal= {arXiv preprint arXiv:2204.07442},
year = {2022}
}