SDOF-Tracker：基于跳检与光流快速准确的多人跟踪
计算机视觉与模式识别
2022-11-23 v3
摘要
多人跟踪是场景理解的一个基本问题。尽管现实应用对准确率和速度均有要求，近期基于深度学习的跟踪方法聚焦于准确率并需要大量运行时间。本研究旨在通过以一定帧间隔执行人体检测来提升运行速度，因为检测占据了大部分运行时间。问题是如何在跳过人体检测的同时保持准确率。本文中，我们提出一种利用光流补充检测结果的方法，其基于人在相邻帧间外观变化不大的事实。为保持跟踪准确率，我们引入了人体区域内鲁棒兴趣点选择，以及由兴趣点分布计算的跟踪终止度量。在 MOTChallenge 的 MOT20 数据集上，所提 SDOF-Tracker 在保持 MOTA 度量的同时取得了总运行速度的最佳性能。我们的代码见 https://github.com/hitottiez/sdof-tracker。
引用
@article{arxiv.2106.14259,
title = {SDOF-Tracker: Fast and Accurate Multiple Human Tracking by Skipped-Detection and Optical-Flow},
author = {Hitoshi Nishimura and Satoshi Komorita and Yasutomo Kawanishi and Hiroshi Murase},
journal= {arXiv preprint arXiv:2106.14259},
year = {2022}
}