轨迹工厂：基于深度孪生双向 GRU 的航迹段切割与重连多目标跟踪方法
计算机视觉与模式识别
2018-04-13 v1
摘要
多目标跟踪（MOT）在监控和自动驾驶等复杂场景中是一项具有挑战性的任务。在本文中，我们提出了一种新颖的航迹段处理方法，通过孪生双向门控循环单元（GRU）在拥挤或长期遮挡情况下对航迹段进行切割与重连。航迹段生成利用 CNN 和 RNN 提取的目标特征，在稀疏场景中创建高置信度的航迹段候选。由于生成过程中的误跟踪，来自不同目标的航迹段被双向 GRU 分割为若干子航迹段。此后，应用基于孪生 GRU 的航迹段重连方法将属于同一目标的子航迹段连接起来以形成完整轨迹。此外，我们从现有 MOT 数据集中提取航迹段图像，并提出了一个新颖的数据集用于训练我们的网络。所提出的数据集包含超过 95160 张行人图像，其中有 793 个不同人物，平均每人有 120 张带位置与尺寸标注的图像。实验结果表明，我们的模型在 MOT16 上优于当前最优（SOTA）方法。
引用
@article{arxiv.1804.04555,
title = {Trajectory Factory: Tracklet Cleaving and Re-connection by Deep Siamese Bi-GRU for Multiple Object Tracking},
author = {Cong Ma and Changshui Yang and Fan Yang and Yueqing Zhuang and Ziwei Zhang and Huizhu Jia and Xiaodong Xie},
journal= {arXiv preprint arXiv:1804.04555},
year = {2018}
}
备注
6 pages, 5 figures