本文共 987 字，大约阅读时间需要 3 分钟。

来源：ECCV2016

创新点：

将检测和跟踪联合起来跟踪视频序列中的多个目标，本文将这种方法称为CDT。所提出来的CDT算法有3个成分：物体检测器（object detector），前向跟踪器（forward tracker）和反向跟踪器（backward tracker）。首先，物体检测器检测具有高置信度的目标，这样做的目的是为了减少虚假检测且能够获得较高的精确度。然后，每个检测到的目标通过前向跟踪器（forward tracker）跟踪，then，用反向跟踪器（backward tracker）存储未检测到的状态。在整个跟踪的过程中，目标检测器和跟踪器相互合作，以控制目标的出现和消失，并且能够refine不准确的状态估计。拥有检测的指导，the model-free tracking可以可靠并准确的跟踪多个目标。

许多MOT算法集中于全局数据关联，考虑所有帧给定的检测结果，设计一种cost function来把数据关联问题当作是一个优化问题，then，通过最小化这一cost function来确定最优轨迹。通过同时考虑所有帧的检测结果，可以减轻错误检测的影响。注意：处理数据关联外，还有一种直接的方法可以提高MOT的性能，即直接提高目标检测的质量。

在本文中，作者通过将目标检测器和一个model-free的tracker联合起来，以提高目标检测的质量。首先，收集高置信度的检测结果，只为降低FP的数量。但是，需要知道的是，在精度和召回率之间有个trade-off，并且降低FP会使得FN升高。为了存储未被检测到的物体（FN），在前向和反向两个方向序列化的进行了model-free tracking。

通常情况下，一个model-free的tracker和物体detector各有优缺点。比如，一个model-free的跟踪器能够在时间上从一个目标物体的初始状态跟踪到丢失状态（missing states），但是易于模型drift和未能可靠地明确一个目标的出现和消失，而这点对于目标检测器而言很容易控制。因此，本文提出了一种将检测和跟踪相互合作的算法CDT，二者互为补充。特别地，通过提供目标的初始状态，检测器初始化跟踪器。检测器为跟踪过程提供终结条件。此外，检测器还被用于refine跟踪的结果。而且，如果忽略反向跟踪的过程，所提算法能够在线执行。

转载地址：http://ubuxi.baihongyu.com/