摘要

利用多视图聚合为解决多目标跟踪和检测中的遮挡和漏检等问题提供了一种有前景的解决方案。近年来，通过将所有视图战略性地投影到地面平面并从鸟瞰视角进行检测分析，多视图检测和3D物体识别的性能得到了显著提升。在本文中，我们比较了现代提升方法（包括无参数和有参数的方法）与多视图聚合。此外，我们提出了一种架构，该架构通过聚合多个时间步长的特征来学习鲁棒检测，并结合基于外观和运动的线索进行跟踪。目前大多数跟踪方法要么专注于行人，要么专注于车辆。在我们的研究中，我们将这两种分支结合起来，并在跨场景设置中为多视图检测增加了新的挑战。我们的方法在两个领域的三个公开数据集上进行了泛化测试：(1) 行人：Wildtrack 和 MultiviewX；(2) 路边感知：Synthehicle，在检测和跟踪方面均达到了最先进的性能。https://github.com/tteepe/TrackTacular