版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Leo_whj/article/details/81165903
旷世的一篇文章,paper.
针对 DukeMTMC,提出一种多目标,多相机 跟踪方法,步骤包括:
- 检测
两种方法,public的,和自己采用 Faster RCNN 的方法。
- 特征提取
复用原来的 Aligned Re-id方法,提取目标特征。
- 单相机跟踪
Near-online算法,
首先将检测的BBox形成tracklets,采用的是 Kuhn-Munkras算法,结合特征差异、IoU计算距离;
然后将tracklets通过层次聚合,形成轨迹。计算tracklets之间的距离矩阵,tracklet与轨迹之间的距离通过三部分来得到:
特征相似性(end point附近)、独立部分距离、overlap部分距离(IoU程度)。
- 多相机跟踪
将单相机的轨迹进行层次聚合,得到跨相机轨迹,采用贪婪的方法,不需要更新距离矩阵。
每个轨迹计算一个平均特征(在long term tracking上,平均特征是很鲁棒的),通过平均特征的欧式距离来计算,这里采用了re-ranking的策略。