TOPIC：面向复杂运动与多样场景多目标跟踪的并行关联范式
计算机视觉与模式识别
2025-01-03 v2
摘要
视频数据与算法一直推动着多目标跟踪（MOT）的发展。现有 MOT 数据集聚焦于遮挡与外观相似性，而复杂运动模式虽广泛存在却被忽视。为解决此问题，我们引入名为 BEE24 的新数据集以突出复杂运动。身份关联算法长期是 MOT 研究的焦点。现有跟踪器可分为两种关联范式：单特征范式（基于运动或外观特征之一）与串行范式（一特征为主、另一为辅）。然而，这些范式无法充分利用不同特征。本文中，我们提出一种并行范式并给出实现它的两轮并行匹配机制（TOPIC）。TOPIC 利用运动与外观特征，并能基于运动程度自适应选择较优者作为分配度量。此外，我们提供基于注意力的外观重建模块（AARM）以重建外观特征嵌入，从而增强外观特征的表征。综合实验表明，我们的方法在四个公开数据集与 BEE24 上达到最先进性能。而且，BEE24 对现有跟踪器提出挑战，要求长时间跟踪多个具有复杂运动的相似外观小目标，这在养蜂与无人机群监视等现实应用中至关重要。值得注意的是，我们提出的并行范式大幅超越现有关联范式，例如相较单特征关联范式将漏检降低 6% 至 81%。本工作引入的数据集与关联范式为推进 MOT 领域提供了新视角。源代码与数据集见 https://github.com/holmescao/TOPICTrack。
引用
@article{arxiv.2308.11157,
title = {TOPIC: A Parallel Association Paradigm for Multi-Object Tracking under Complex Motions and Diverse Scenes},
author = {Xiaoyan Cao and Yiyao Zheng and Yao Yao and Huapeng Qin and Xiaoyu Cao and Shihui Guo},
journal= {arXiv preprint arXiv:2308.11157},
year = {2025}
}
备注
Accepted by IEEE Transactions on Image Processing (TIP), 16 pages, 12 figures, 7 tables