多目标跟踪算法SOART

本文对多目标检测方法SOART进行了翻译

论文地址：http://arxiv.org/pdf/1602.00763.pdf

代码地址：https://github.com/abewley/sort

文章的重点是有效地处理帧与帧之间的关联。

使用卡尔曼滤波器处理跟踪问题的运动预测

使用匈牙利算法处理数据关联分量

文章只针对各种环境下的行人跟踪，但是根据CNN网络灵活性，可以应用到其他目标的跟踪。

文章主要工作：

1. 文章是基于CNN的在多目标跟踪

2. 提出了一种基于卡尔曼滤波和匈牙利算法的实用跟踪方法，并在最近的MOT（多目标跟踪）基准测试上进行了评估。

3. 代码开源

综述：

传统多目标行人检测使用多重假设跟踪或联合数据关联，这种方法延迟长，决策困难，不确定性高。目标数量越多，复杂程度增长越快。不适合在线跟踪。许多在线跟踪方法的目标是通过在线学习建立单个对象本身的外观模型或全局模型。除了外观模型，目标的运动轨迹也常常被考虑在内，以协助关联检测。当只考虑一对一对应时，将模型化为二部图匹配，得到全局最优解。

匈牙利算法被分为两步：首先轨迹片段立在相邻帧的关联检测上，其中几何形状和外观线索结合起来形成亲和矩阵。然后，这些轨迹片段相互关联，再次使用几何和外观线索，将由遮挡引起的断裂轨迹连接起来。这两个步骤决定了这种方法不能用于批量计算。

本文方法：

该方法由目标检测、将目标状态传播到未来帧（预测模型）、将当前的检测结果与现有目标相关联（数据关联）、管理被跟踪目标的生命周期（创建和删除跟踪标识），4个关键部分组成。

目标检测：使用Fater-RCNN框架。改框架由两个阶段组成。第一阶段提取特征并根据特征划分出区域，第二阶段对划分出的区域内的对象进行分类。两个阶段之间共享参数。

目标状态预测模型：

将目标当前的表征和运动模型传播到下一帧。我们用一个不依赖于其他物体和相机运动的线性等速模型来近似表示每个被跟踪的目标在的帧之间的位移。每个目标的状态建模如下：

其中u和v分别代表目标中心像素的水平和垂直位置，尺度s和r分别表示目标包围框的尺度(面积)和长宽比，长宽比r为常数。当目标检测与目标跟踪相关联时，检测到的边界框用于更新目标状态，其中速度分量通过卡尔曼滤波框架得到最优解。如何检测到的目标没有与目标跟踪相关联，那么利用线速度模型对其状态进行简单预测，无需修正。

数据关联：

在对现有目标分配检测时，通过预测目标在当前帧中的位置来估计每个目标的边界框几何形状。然后为每个检测到的目标与现有目标的所有预测边界框之间的IOU分配成本矩阵计算。采用匈牙利算法优化求解。

论文通过目标边界框的IOU距离能够解决短期的目标遮挡问题。具体地说，当目标被遮挡对象覆盖时，只有遮挡物体被检测到，因为IOU距离适合于具有相似尺度的检测。这使得遮挡物体可以通过检测得到校正，而被覆盖的目标不受影响，因为没有赋值。

创建和删除跟踪标识模型：

当目标进入或离开监控区域时，需要创建或撤销目标的跟踪标识。当检测到一个目标的IOU与已有目标的IOU重合度小于一定的阈值时，就认为该目标为新的未被跟踪目标，此时要创建跟踪标识。新发现的目标用矩形框标注并将速度分量设为0。由于此时速度并没有被观测到，具有不确定性，因此速度分量的协方差用较大的值初始化。此外，新产生的跟踪标识还需要经过一段试用期，在此期间，需要对目标进行检测，以便提取目标足够的特征信息防止跟踪错误。

在对一个目标跟踪的过程中，若目标丢失，并且在经过了TLost（阈值参数）帧后仍然没有发现目标，则放弃跟踪。这就防止了跟踪器（跟踪标识框）数量的无限制增长，以及目标特征参数长时间没有被检测器（Faster-CNN目标检测）修正而导致的定位错误。在实验中TLost被设置为1，有两个原因。首先，静态速度模型不能很好地预测真实的动态速度,其次，我们主要关注的是帧与帧之间的跟踪，其中对象的重新识别超出了本工作的范围（牺牲准确率以换取效率）。此外尽早删除丢失的目标有助于提高跟踪效率。如果被判定为丢失的目标再次出现，则系统会将它看作一个新的目标进行跟踪。

多目标跟踪算法SOART相关推荐

基于深度学习的多目标跟踪算法——ReID与MOT的联系
©PaperWeekly 原创 · 作者|黄飘学校|华中科技大学硕士研究方向|多目标跟踪最近基于深度学习的多目标跟踪算法越来越多,有用于特征提取的,有改进单目标跟踪器的,也有提升数据关联的.如果 ...
基于深度学习的多目标跟踪算法（上）：端到端的数据关联
©PaperWeekly 原创 · 作者|黄飘学校|华中科技大学硕士生研究方向|多目标跟踪最近基于深度学习的多目标跟踪算法越来越多,有用于特征提取的,有改进单目标跟踪器的,也有提升数据关联的.如 ...
DeepSORT多目标跟踪算法
DeepSORT 多目标跟踪算法整体思路 SORT 算法的思路是将目标检测算法得到的检测框与预测的跟踪框的 iou(交并比)输入到匈牙利算法中进行线性分配来关联帧间 Id.而 DeepSORT 算法 ...
DeepSORT 多目标跟踪算法笔记
SORT 是一种实用的多目标跟踪算法,然而由于现实中目标运动多变且遮挡频繁,该算法的身份转换(Identity Switches)次数较高.DeepSORT 整合外观信息使得身份转换的数量减少了45% ...
多目标跟踪算法简述——量测-航机关联
多目标跟踪算法简述--量测-航机关联原创不易,路过的各位大佬请点个赞针对机动目标跟踪的探讨.技术支持欢迎联系,也可以站内私信 WX: ZB823618313 多目标跟踪算法简述--量测-航机关联 ...
SORT 多目标跟踪算法笔记
SORT 是一种简单的在线实时多目标跟踪算法.文章要点为: 以 IoU 作为前后帧间目标关系度量指标: 利用卡尔曼滤波器预测当前位置: 通过匈牙利算法关联检测框到目标: 应用试探期甄别虚检: 使用 F ...
深度多目标跟踪算法综述
其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造. 书的购买链接书的勘误,优化,源代码资源导言基 ...
模板匹配算法_计算机视觉方向简介 | 多目标跟踪算法（附源码）
点击上方"计算机视觉life",选择"星标" 快速获得最新干货 || 前言目标跟踪是计算机视觉领域中研究的热点之一,分为单目标跟踪与多目标跟踪.前者跟踪视频画 ...
转载：一线算法工程师整理！超实用的3大多目标跟踪算法
转载文章,主要自己做技术储备收藏本文已获公众号滴普科技2048实验室授权发布,如需转载请与原作者联系. 继上一篇对多目标跟踪的核心步骤.评价指标.数据集.核心算法.改进策略.未来的方向等展开详细介绍 ...
NOMT 近似在线的多目标跟踪算法
多目标跟踪算法可以分类两类:在线法和全局(批处理)方法.在线方法逐帧处理,适应大多数实际应用的需求:而全局方法考虑整个时间范围内的所有检测,具有更高的数据关联精度.在求解时,以往的工作会着眼于特征度量 ...

多目标跟踪算法SOART

多目标跟踪算法SOART相关推荐

最新文章

热门文章