3 个月前

OCMCTrack:基于校正匹配级联的在线多目标多相机跟踪

OCMCTrack:基于校正匹配级联的在线多目标多相机跟踪

摘要

在商场、仓库等室内环境中,实现多目标多相机跟踪系统有助于优化商品布局策略并提升运营流程效率。本文提出了一种在线多目标多相机跟踪框架——OCMCTrack,该框架能够实时追踪人员在三维世界坐标系中的位置。所提出的框架引入了一种新颖的匹配级联机制,可动态重新评估轨迹分配,从而有效减少在线跟踪器常出现的误关联问题。此外,本文还提出了三种有效方法,用于提升图像中人员位置向世界坐标系的转换精度,解决了位置参考点常见的误差问题。实验结果表明,该方法在2024年人工智能城市挑战赛(AI City Challenge)Track 1中取得了具有竞争力的性能,充分验证了该框架的有效性。

基准测试

基准方法指标
multi-object-tracking-on-2024-ai-cityFraunhoferIOSB
AssA: 55.20
DetA: 69.54
HOTA: 60.88
LocA: 87.97

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
OCMCTrack:基于校正匹配级联的在线多目标多相机跟踪 | 论文 | HyperAI超神经