UA-DETRAC：面向多目标检测与跟踪的新基准与协议
计算机视觉与模式识别
2020-01-28 v4
摘要
近年来，由于广泛的应用，许多有效的多目标跟踪（MOT）方法被提出。现有的MOT方法性能评估通常通过采用相同的固定目标检测结果进行比较，从而将目标跟踪步骤与目标检测步骤分离。本工作中，我们利用新大规模奥尔巴尼大学检测与跟踪（UA-DETRAC）基准数据集，对目标检测精度对整体MOT性能的影响进行了全面的定量研究。UA-DETRAC基准数据集包含从真实世界交通场景捕获的100个具有挑战性的视频序列（超过140,000帧，带有丰富标注，包括遮挡、天气、车辆类别、截断以及车辆边界框），用于目标检测、目标跟踪和MOT系统。我们评估了由最先进的目标检测与目标跟踪方法组合构建的完整MOT系统。我们的分析显示了目标检测精度对MOT系统性能的复杂影响。基于这些观察，我们提出了考虑目标检测与目标跟踪以进行综合分析的MOT系统新评估工具和指标。
引用
@article{arxiv.1511.04136,
title = {UA-DETRAC: A New Benchmark and Protocol for Multi-Object Detection and Tracking},
author = {Longyin Wen and Dawei Du and Zhaowei Cai and Zhen Lei and Ming-Ching Chang and Honggang Qi and Jongwoo Lim and Ming-Hsuan Yang and Siwei Lyu},
journal= {arXiv preprint arXiv:1511.04136},
year = {2020}
}
备注
18 pages, 11 figures, accepted by CVIU