Near-Online Multi-target Tracking with Aggregated Local Flow Descriptor
来源:互联网 发布:练字 知乎 编辑:程序博客网 时间:2024/06/03 14:14
来源:ICCV2015
创新点:
①在数据关联方面,设计一种准确的相似度测量(affinity measure)来关联检测结果。
介绍一种新颖的汇总本地流描述器(a novel Aggegated Local Flow Descriptor,ALFD),用长期的兴趣点轨迹(IPTs)来编码一对时间距离检测之间相应的运动模式。使用IPTs,ALFD就提供了一种鲁棒的相似性度量来估计匹配检测结果的可能性。
②提出一种有效的,精准的,接近在线(near online)的MOT算法。
提出一种接近在线的多目标跟踪算法(NOMT),跟踪问题本质上就是在一个时间窗口内,目标和检测结果之间的数据关联,这个过程在每一帧重复执行。NOMT在提高效率的同时,通过整合包括ALFD指标、目标动态、外观相似性和长期轨迹正则化在内的多条线索实现鲁棒性。
在MOT中,鲁棒的数据关联和成对的相似性度量(pairwise affinity measure)都很重要。本文解决了MOT的两个关键挑战:①如何准确地衡量两个检测之间的相似性。②如何有效地把全局跟踪的算法思想用至在线应用中。
贡献:
①提出了一种新颖的汇总本地流描述器(a novel Aggegated Local Flow Descriptor,ALFD),在不同的时间帧中,编码相应的两个检测框间的运动模式。通过汇总多个本地本地兴趣点轨迹(IPTs),这一描述器可以编码在一个检测中IPTs关于另一个检测框是如何运动的。运用学到的模型,ALFD可以提供一种强大的相似性度量。
②提出了一种有效的接近在线的MOT算法。将鲁棒的ALFD描述器和长期的运动/外观模型相结合,这一算法能够产生一种非常精准的轨迹,并且能达到实时性。在每帧中,算法在一个大小为的时间窗口中求解目标(targets)和所有检测(detections)之间的全局数据关联问题。值得一提的是,该算法可以一种潜力:当有更多的检测被提供时,在一个时间窗口内可以修复过去任意错误的关联。为同时实现精确度和效率,算法用ALFD驱动的轨迹产生候选的假设轨迹,并且用一个并行的连接树算法解决关联问题。
- Near-Online Multi-target Tracking with Aggregated Local Flow Descriptor
- Target Identity-aware Network Flow for Online Multiple Target Tracking
- Multi-target tracking with Single Moving Camera
- Learning to Divide and Conquer for Online Multi-Target Tracking
- Improving Multi-frame Data Association with Sparse Representations for Robust Near-online Multi-ob
- FollowMe: Efficient Online Min-Cost Flow Tracking with Bounded Memory and Computation
- Deep Network Flow for Multi-Object Tracking
- Online Multi-Object Tracking Using CNN-based Single Object Tracker with Spatial-Temporal Attention M
- Online Multi-Object Tracking Using CNN-based Single Object Tracker with Spatial-Temporal Attention M
- Subgraph Decomposition for Multi-Target Tracking
- On Pairwise Costs for Network Flow Multi-Object Tracking
- Occlusion Geodesics for Online Multi-Object Tracking编译过程
- Occlusion Geodesics for Online Multi-Object Tracking编译过程
- Occlusion Geodesics for Online Multi-Object Tracking编译过程
- Learning to Track: Online Multi-Object Tracking by Decision Making
- Online Multi-Object Tracking via Structural Constraint Event Aggregation
- David G. Lowe课题组 Fully Automatic Multi-target Tracking System
- David G. Lowe课题组 Fully Automatic Multi-target Tracking System
- 独家发布 | 产品经理生存现状
- 重磅干货 | AI产品经理需要了解的语音交互评价指标
- php中通过redis实现接口限速
- 企服三会·PPT | 中国软件网曹开彬:洞见2018中国移动办公趋势洞察报告
- Week01_day04 循环语句即break和continue区别
- Near-Online Multi-target Tracking with Aggregated Local Flow Descriptor
- 如何实现下发手机短信验证码
- Week01_day05 方法 、数组的定义及使用
- iOS 规避苹果审查,实现app store上的app版本强制更新
- 消息系统 Kafka的神级操作,hadoop大神教你以下几招保准你会
- 大数据开发hadoop核心的分布式消息系统:Apache Kafka 你知道吗
- sql语句的共用
- 贵州的程序员年薪都40万不止,和你差在哪里?
- 你对于java大数据开源工具了解多少,有哪几种是最适合大数据开发