20、多目标跟踪的鲁棒环境感知技术解析

多目标跟踪的鲁棒环境感知技术解析

1. 跟踪感知的实现

1.1 数据集

在多目标跟踪的实际场景中，采用了两个知名数据集：MOT16 和 MOT17。
- MOT16 ：包含 14 个行人视频序列，录制条件多样，如分辨率、帧率、光照、人群密度和拍摄视角等。这些序列被公平地划分为训练集和测试集，训练集有 4 个由移动相机捕获的序列，测试集有 3 个由固定相机拍摄的序列。数据集中的公开检测结果由可变形部件模型（DPM）检测器生成。
- MOT17 ：视频序列与 MOT16 类似，但引入了通过 Faster R - CNN、DPM 和 SDP 生成的三个不同的公开检测集，使序列总数达到 42 个。为获得全面评估结果，对所有 21 个测试序列的跟踪器性能进行平均。使用私有检测进行跟踪时，MOT16 和 MOT17 数据集没有区别。

1.2 参数估计

由于缺乏合适的预训练数据集，专门生成了一个数据集来训练 CRF 模块。将 MOT16 和 MOT17 数据集分为两部分，40% 的视频帧用于创建训练集，其余用于验证。
- 训练集生成 ：使用原始的 Tracktor++ 在初始部分生成训练集，识别因小轨迹未充分停用而产生的跟踪错误，包含此类错误的帧被指定为负样本，正样本则随机选择三倍数量的实例。
- 参数调整 ：使用随机梯度下降（SGD）算法微调一元和二元项的权重，学习率设为 (1\times10^{-2})，训练 30 个周期。但直接使用学习值在验证集上效果不佳，原因一是 Tr