YOLORe-IDNet：一种用于行人追踪的高效多摄像机系统
计算机视觉与模式识别
2023-09-26 v1
摘要
公共空间中对视频监控日益增长的需求，催生了能够跨多个摄像机实时追踪个体的系统。虽然现有追踪系统利用深度学习模型取得了令人印象深刻的性能，但它们通常依赖于嫌疑人的已有图像或历史数据。然而，在实时识别可疑个体且缺乏先验知识的情况下，这并不总是可行的。我们提出了一种行人追踪系统，该系统在 YOLOv5 之上结合了相关滤波与交并比（IOU）约束以实现鲁棒追踪，以及一种用于跨摄像机行人重识别（Re-ID）的深度学习模型。所提出的系统能够在多个摄像机间快速识别并实时追踪嫌疑人，并在完全或部分遮挡后良好恢复，使其适用于安全和监控应用。该系统计算高效，在公开可用的 OTB-100 数据集上的评估表明，其取得了 79% 的高 F1 分数和 59% 的 IOU，与现有最先进算法相当。所提出的系统为跨多路摄像机馈送的实时个体追踪提供了一种鲁棒且高效的解决方案。其在无先验知识或历史数据情况下追踪目标的能力，相较于现有系统是一项显著改进，使其非常适合于公共安全和监控应用。
引用
@article{arxiv.2309.13387,
title = {YOLORe-IDNet: An Efficient Multi-Camera System for Person-Tracking},
author = {Vipin Gautam and Shitala Prasad and Sharad Sinha},
journal= {arXiv preprint arXiv:2309.13387},
year = {2023}
}