一.动机:在tracking by detection association时,低分检测得分的目标被直接丢弃的,从而可能会导致真目标丢失和碎片化轨迹的情况。例如被遮挡的目标。
二.创新:提出了一种新的association方法BYTE:几乎连接所有的检测框而不是仅仅是高分检测框。
三.算法:本文是选用了高性能的检测器YOLOX,本文还说这种连接方法应用在9种最新跟踪器的性能在IDF1得分上也有所提升。
首先用检测器预测检测框和其得分,根据阈值(后面有相关的消融实验来说明适用阈值的大小多少合适)分为分高的检测框组和分低的检测框组。3-13
利用卡尔曼过滤器预测每个track在下一帧的位置14-16
第一次连接,利用的是IoU或者Re-ID特征距离计算高分的检测框组和轨迹中的track之间的相似度,再利用匈牙利算法基于相似度去匹配。没有匹配到的高分检测框放在Dremain中,后面可以形成新的轨迹23-25;没有匹配到的轨迹放在Tremain。17-19
第二次连接,用低分检测框组和Tremain中的track进行相似度计算(由于低分检测框可能存在遮挡、运动模糊和外观特征不可靠,所以采用的是Re-ID),未匹配到的低分检测框会被当做背景删除,再次未匹配到的轨迹放在Tlost中(当连续30帧都没匹配到就会被删除)(Tlost也是轨迹T中的一部分,也参与上述的匹配)20-22
旧轨迹的删除:当Tlost中的轨迹连续超过30帧都为匹配到,就会被删除。
新的轨迹的生成:根据Dremain中的高分检测框组形成新的轨迹23-25
图二中,a是检测框的得分;b是第一次连接后的效果;c是第二次连接后的效果。
四.实验