Sea You Later: 基于元数据引导的无人机多目标跟踪长期重识别
计算机视觉与模式识别
2023-11-27 v2
摘要
在海上计算机视觉中,无人机(UAV)多目标跟踪(MOT)的重识别(ReID)因若干原因而具有挑战性。更具体地说,由于小目标特性以及无人机云台突然运动的性质,短期重识别(ReID)十分困难。长期 ReID 则受限于有用外观多样性的缺乏。为应对这些挑战,我们提出了一种自适应的基于运动的 MOT 算法,称为元数据引导 MOT(MG-MOT)。该算法有效地将短期跟踪数据合并为连贯的长期轨迹,利用来自无人机的关键元数据,包括 GPS 位置、无人机高度和相机朝向。我们进行了大量实验以验证 MOT 算法的有效性。利用涵盖上述场景的极具挑战性的 SeaDroneSee 跟踪数据集,我们在最新一届基于无人机的海上目标跟踪挑战赛中取得了大幅改进的性能,在测试集上以最先进的 HOTA 69.5% 和 IDF1 85.9% 的成绩领先。
引用
@article{arxiv.2311.03561,
title = {Sea You Later: Metadata-Guided Long-Term Re-Identification for UAV-Based Multi-Object Tracking},
author = {Cheng-Yen Yang and Hsiang-Wei Huang and Zhongyu Jiang and Heng-Cheng Kuo and Jie Mei and Chung-I Huang and Jenq-Neng Hwang},
journal= {arXiv preprint arXiv:2311.03561},
year = {2023}
}
备注
1st place method (WACV Workshop Paper) of the UAV-based Multi-Object Tracking with Reidentification Challenge in MaCVi WACV 2024