Synthehicle：虚拟城市中的多车辆多摄像头跟踪
计算机视觉与模式识别
2022-08-31 v1
摘要
智能城市应用（如智能交通路由或事故预防）依赖计算机视觉方法实现精确的车辆定位与跟踪。由于准确标注数据的稀缺，从多摄像头在 3D 中检测与跟踪车辆颇具挑战性。我们提出一个大规模合成数据集，用于多重叠与非重叠摄像头视角下的多车辆跟踪与分割。与现有仅提供 2D 边界框跟踪真值的数据集不同，我们的数据集还包含相机坐标与世界坐标下 3D 边界框、深度估计以及实例、语义与全景分割的完美标注。该数据集由 64 个多样的白天、雨天、黎明与夜间场景中 340 个摄像头记录的 17 小时标注视频素材组成，是迄今最广泛的多目标多摄像头跟踪数据集。我们提供检测、车辆重识别以及单摄像头与多摄像头跟踪的基线。代码与数据已公开可用。
引用
@article{arxiv.2208.14167,
title = {Synthehicle: Multi-Vehicle Multi-Camera Tracking in Virtual Cities},
author = {Fabian Herzog and Junpeng Chen and Torben Teepe and Johannes Gilg and Stefan Hörmann and Gerhard Rigoll},
journal= {arXiv preprint arXiv:2208.14167},
year = {2022}
}