迈向有效的多移动相机跟踪：一个新数据集和轻量级链接模型

确保自动驾驶车辆的行驶安全变得日益关键，这凸显了对道路行人进行系统跟踪的需求。大多数车辆都配备了视觉传感器，然而，大规模的视觉数据尚未得到充分研究。多目标多相机（MTMC）跟踪系统由两个模块组成：单相机跟踪（SCT）和跨相机跟踪（ICT）。为了可靠地协调它们，MTMC 跟踪一直是一项非常复杂的任务，而跨多个移动相机的跟踪则使其更具挑战性。在本文中，我们专注于多目标多移动相机（MTMMC）跟踪，该领域正受到研究界越来越多的关注。观察到用于 MTMMC 跟踪的数据集很少，我们收集了一个新的数据集，称为多移动相机跟踪（MMCT），其中包含各种驾驶场景下的序列。为了解决大多数现有 SCT 跟踪器容易面临的身份切换问题，特别是对于移动相机，由于相机与目标之间的自运动，我们提出了一种轻量级的无外观全局链接模型，称为 Linker，通过将同一相机内同一目标的两个不相交的轨迹片段关联成一条完整的轨迹来缓解身份切换。结合 Linker，现有的 SCT 跟踪器通常能获得显著改进。此外，为了减轻不同相机引起的图像风格变化的影响，我们有效地引入了一个颜色迁移模块，以提取跨相机一致的外观特征，用于跨移动相机的行人关联，从而实现了一个大幅改进的 MTMMC 跟踪系统，这可以构成迈向多移动相机协同挖掘的进一步步骤。项目页面见 https://dhu-mmct.github.io/。