3 个月前

基于鲁棒协同模型与样本选择的在线多目标跟踪

基于鲁棒协同模型与样本选择的在线多目标跟踪

摘要

过去十年中,视频中的目标检测与跟踪技术取得了显著进展。本文提出了一种在粒子滤波框架下,将预训练目标检测器与多个单目标在线跟踪器相协同的模型。针对每一帧图像,我们建立检测结果与跟踪器之间的关联关系,并将每个与跟踪器相关联的检测区域视为关键样本,用于在线更新。我们设计了一种融合关联检测结果与目标运动动态的运动模型。此外,提出了一种有效的样本选择策略,用于更新每个跟踪器的外观模型。在似然函数中采用判别式外观模型,在数据关联中则使用生成式外观模型。实验结果表明,所提出的方案在多数情况下优于当前最先进的方法。

基准测试

基准方法指标
online-multi-object-tracking-on-oxford-townRCMSS
MOTA: 70.16%

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
基于鲁棒协同模型与样本选择的在线多目标跟踪 | 论文 | HyperAI超神经