针对行人多目标跟踪跟踪器的轨迹片段切换对抗攻击
计算机视觉与模式识别
2023-04-05 v3
摘要
多目标跟踪（MOT）已取得显著进展，并衍生出许多优秀的深度学习跟踪器。同时，众所周知大多数深度学习模型易受对抗样本的攻击，这些样本由微小扰动精心构造，却可能误导模型预测。本工作中，我们观察到 MOT 跟踪器的鲁棒性很少被研究，且由于其成熟的关联算法被设计用于抵抗跟踪过程中的误差，攻击 MOT 系统具有挑战性。为此，我们分析了流行 MOT 跟踪器的脆弱性，并提出了一种称为轨迹片段切换（TraSw）的新型对抗攻击方法，针对 MOT 的完整跟踪流程。所提 TraSw 能够通过扰动极少帧数来欺骗先进的深度行人跟踪器（即 FairMOT 和 ByteTrack），使它们在后续帧中无法跟踪目标。在 MOT-Challenge 数据集（即 2DMOT15、MOT17 和 MOT20）上的实验表明，TraSw 通过平均仅攻击四帧即可达到超过 95% 的极高攻击成功率。据我们所知，这是首个针对行人 MOT 跟踪器的对抗攻击工作。代码见 https://github.com/JHL-HUST/TraSw 。
引用
@article{arxiv.2111.08954,
title = {Tracklet-Switch Adversarial Attack against Pedestrian Multi-Object Tracking Trackers},
author = {Delv Lin and Qi Chen and Chengyu Zhou and Kun He},
journal= {arXiv preprint arXiv:2111.08954},
year = {2023}
}