#每天一篇论文 258/365 Beyond Pixels: Leveraging Geometry and Shape Cues for OnlineMulti-Object Tracking

边界像素：利用几何和形状线索进行在线多目标跟踪

项目
Code and data

摘要

介绍了一种用于道路场景中多目标跟踪的几何模型、新的目标形状和姿态代价。仅使用单目相机的图像，我们就可以根据几个3D提示（如对象姿势、形状和运动）来计算对象轨迹的成对偏差。 所提出的代价与数据关联方法无关，可以合并到任何优化框架中以输出并行数据关联。这些代价易于实现，可以实时计算，并相互补充，以计算检测帧跟踪中可能出现的误差。我们对设计成本进行了广泛的分析，并通过经验证明，在使用一系列目标探测器、展示各种相机和目标运动以及更重要的是，不依赖于关联框架的选择的各种条件下，与现有技术相比，我们的技术水平有了一致的提高。我们还表明，通过使用simplestof关联框架（两帧匈牙利赋值），我们在道路场景中的多目标跟踪方面超过了最新水平。

方法

多目标跟踪问题是将每个边界框与目标轨迹tk相关联，从而满足以下约束条件。
•每个目标轨迹tk包含一组属于场景中唯一目标的边界框（均来自不同帧）。
•有与要跟踪的目标一样多的轨迹。
•在目标可见的所有帧中，都会检测到目标，并将其分配到目标对应的唯一轨迹。
•所有虚假的包围盒检测都是未分配给任何目标轨迹的，上述问题通常通过最小代价网络流框架（全局跟踪）、移动窗口动态规划框架（近在线跟踪）或二部匹配框架（在线跟踪）来解决。注意，这些并不是唯一可用的框架，而是一组最具代表性的跟踪方法。所有这些框架（以及此处未提及的其他框架）都使用成对成本来定义跨检测对的相关性。

结果