SiamMOT: 孪生多目标跟踪
计算机视觉与模式识别
2021-05-26 v1
摘要
本文关注改进在线多目标跟踪(MOT)。具体而言,我们提出一种基于区域的孪生多目标跟踪网络,命名为SiamMOT。SiamMOT包含一个运动模型,用于估计实例在两帧间的运动,从而实现检测实例的关联。为探究运动建模对其跟踪能力的影响,我们给出两种孪生跟踪器变体:一种隐式建模运动,另一种显式建模运动。我们在三个不同的MOT数据集(MOT17、TAO-person与Caltech Roadside Pedestrians)上进行了大量定量实验,展示了运动建模对MOT的重要性以及SiamMOT大幅超越当前最优(state-of-the-art)的能力。最后,SiamMOT在HiEve数据集上也优于ACM MM'20 HiEve Grand Challenge的冠军。此外,SiamMOT高效,在单块现代GPU上对720P视频以17 FPS运行。代码见 \url{https://github.com/amazon-research/siam-mot}。
引用
@article{arxiv.2105.11595,
title = {SiamMOT: Siamese Multi-Object Tracking},
author = {Bing Shuai and Andrew Berneshawi and Xinyu Li and Davide Modolo and Joseph Tighe},
journal= {arXiv preprint arXiv:2105.11595},
year = {2021}
}