论文笔记：Tracking without bells and whistles

最新推荐文章于 2024-12-27 10:38:44 发布

原创

最新推荐文章于 2024-12-27 10:38:44 发布

· 987 阅读

1 ·

版权

文章标签：

#MOT

这篇ICCV2019论文提出了一种简单直接的多目标跟踪（MOT）策略，摒弃复杂的过程，直接用上一帧的bounding box预测下一帧的位置并进行分类判断。通过RoI Pooling、轨迹管理和运动模型（CMC和CVA）来跟踪目标。还引入了ReID机制，在轨迹消失后有机会重新启动。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文笔记：Tracking without bells and whistles

简介

这是ICCV2019的一篇多目标跟踪的文章。文中指出以往的tracking by detection的方法过程有点冗杂，明明可以通过回归直接预测某个物体在下一帧的位置却偏要搞一堆bells and whistles（花里胡哨），两年过去了指标也就提高了2.4%。于是本文直接提出了一个新的MOT思路，直接用上一帧的bounding box在下一帧回归出新的检测框并进行classification判断是否需要保留这个框。目前这个算法在MOT17排名第九，速度1.5FPS。

方法

在这里插入图片描述

首先初始化k个跟踪序列，每个跟踪序列包含t帧图片中这条轨迹的bounding box尺寸和位置（t可以小于总共的帧数）。在新一帧的feature map用上一帧的bounding box进行RoI Pooling。当一条轨迹的分类score小于阈值，或者与其他轨迹IOU大于阈值，就kill这条轨迹；开始一条新的轨迹的条件是检测框与现有轨迹IOU小于阈值。

extensions

Motion Models

以上的回归过程基于一个假设：连续两帧之间检测框位置移动不大。然而当视频帧率比较低或者相机自身移动比较快的时候，假设不成立，因此加入了两个运动模型。camera motion compensation (CMC) 模型用来解决相机运动问题，constant velocity assumption (CVA)解决帧率不够的问题。