基于预测的跟踪：一种用于多人定位与跟踪的深度生成模型
计算机视觉与模式识别
2018-03-12 v1
摘要
当前的多人定位与跟踪系统过度依赖外观模型进行目标重识别，且几乎没有方法对两个目标都采用完整的深度学习解决方案。我们提出了一种新颖的、完整的用于多人定位与跟踪的深度学习框架。在此背景下，我们首先引入了一种轻量级的序列生成对抗网络（Generative Adversarial Network, GAN）架构用于人物定位，其克服了多人环境中典型的遮挡和噪声检测相关问题。在所提出的跟踪框架中，我们基于行人轨迹预测方法的最新进展，提出了一种基于预测轨迹的新型数据关联方案。这消除了对基于外观特征的计算昂贵的行人重识别系统的需求，并生成了具有最小碎片化的类人轨迹。所提出的方法在包括静态和动态摄像机在内的多个公共基准上进行了评估，并且能够产生出色的性能，特别是在其他近期提出的基于深度神经网络的方法之中。
引用
@article{arxiv.1803.03347,
title = {Tracking by Prediction: A Deep Generative Model for Mutli-Person localisation and Tracking},
author = {Tharindu Fernando and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:1803.03347},
year = {2018}
}
备注
To appear in IEEE Winter Conference on Applications of Computer Vision (WACV), 2018