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/