基于标记随机有限集的视觉多目标跟踪：应用重识别与遮挡处理
计算机视觉与模式识别
2024-09-04 v2
摘要
本文提出一种基于标记随机有限集(LRFS)滤波方法的在线视觉多目标跟踪(MOT)算法，用于解决目标外观-重出现的和遮挡问题。该方法原则上通过单一贝叶斯递归来处理目标消失、出现、重现和遮挡。然而，现有数值近似方法会导致长时间 undetected 后重出现的目标被初始化为新的轨迹。在遮挡处理方面，滤波器的效果取决于遮挡模型的复杂度与计算需求之间的权衡。我们的贡献在于提出一种新型建模方法，利用目标特征解决重现问题，同时保持检测数量的线性复杂度。此外，我们提出一种模糊检测模型，考虑轨迹及其大小之间的重叠区域，以改进滤波器的遮挡处理。我们还开发了一个快速版滤波器以进一步降低计算时间。源代码已公开于 https://github.com/linh-gist/mv-glmb-ab。
引用
@article{arxiv.2407.08872,
title = {Visual Multi-Object Tracking with Re-Identification and Occlusion Handling using Labeled Random Finite Sets},
author = {Linh Van Ma and Tran Thien Dat Nguyen and Changbeom Shim and Du Yong Kim and Namkoo Ha and Moongu Jeon},
journal= {arXiv preprint arXiv:2407.08872},
year = {2024}
}