该论文提出了一个多视点人员跟踪的新型方法，通过层次轨迹组合标准来有效利用不同线索。摒弃高复杂度的MCMC采样，采用迭代贪婪追踪算法解决组合调度问题。实验表明，此方法在一系列挑战性数据集上的性能优于现有先进方法，并创建了一个包含更多视觉信息和详细注释的新数据集。主要贡献包括：将多视点跟踪转化为层次优化问题，以及提出结合多种线索的轨迹合成准则。
Abstract
本文提出了多视点对象跟踪的分层组合方法。其关键思想是自适应地利用二维和三维的多重线索，例如地面占有一致性，外观相似性，运动相干性等，这些线索在追踪行人轨迹的过程中相互补充。虽然在过去的文献中已经广泛地研究了特征联机选择，但是如何有效地调度这些提示以用于追踪目的仍然不清楚，特别是在遇到各种挑战时，例如，遮挡，连词和外观变化。为此，我们提出了一个层次组合模型，并将多视点多目标跟踪作为组合结构优化的一个问题。我们设置了一套组合标准，每个标准对应一个特定的提示。通过利用不同的标准来追求层次组合过程，这在图层节点和其层次结构中的后代之间施加了约束。我们学习使用最大似然估计（MLE）标注数据的构成标准，并通过迭代贪婪追踪算法有效地构建分层图。在实验中，我们证明了我们的方法在三个公共数据集上的优越性能，其中之一是由我们新创建的，以测试多视图多目标跟踪中的各种挑战。
1. Introduction
多视点多目标跟踪在过去的文献中引起了很多关注[22]。 从多个视图跟踪对象本质上是一个组合优化问题。 例如，人的三维轨迹可以分层分解为单个视图的轨迹，轨迹片段和边界框。尽管现有的追踪器或多或少地利用了上述原理，但是他们对特定提示的有效性强加了假设， 外观相似性[1]，运动一致性[9]，稀疏性[30,50]，三维定位符合[24]等，这些并不总是正确的。 实际上，不同的线索可能在物体轨迹的不同时期占主导地位，特别是对于复杂的场景。 在本文中，我们感兴趣的是从各种线
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
