IOU 目标跟踪其一：IOU Tracker

Reference:

1. High-Speed Tracking-by-Detection Without Using Image Information

1. 介绍

IOU Tracker 是 2017 年提出的一种不需要图像信息的简单高效的跟踪模型，它在 DETRAC 车辆跟踪数据集可以轻松运行到 100K fps。

它主要基于两个假设：

1. 检测器对每帧要跟踪的每个物体都产生一个检测，也就是说，在检测中 没有/只有很少 的间断；
2. 在连续帧中检测一个物体有高度重叠的 $IOU$，这在足够高的帧率是常见情况。

文内使用的 $IOU$ 测量方式：
$$\mathrm{IOU}(a,b)=\frac{\mathrm{Area}(a)\bigcap \mathrm{Area}(b)}{\text{ Area }(a)\bigcup \mathrm{Area}(b)}.$$

如果这两个条件都满足，跟踪将变得没那么重要，即使不使用图像信息也能够完成。

2. 算法内容

文中提出的 $IOU$ 跟踪器，如果满足一定的阈值 ${\sigma }_{IOU}$，它通过将最高的 $IOU$ 与前一帧的最后一个检测相关联来继续跟踪。所有没有分配到现有跟踪的探测将开始一个新的跟踪。所有没有被分配的检测的跟踪将被干掉。
通过滤除所有长度小于 $t_{min}$ 的跟踪和一次都没评分在 ${\sigma }_h$ 以上的检测，进一步提高了性能。较短的跟踪被删除，因为它们通常来源于假阳性，普遍会增加输出的混乱。要求跟踪至少有一个高分检测，以确保跟踪是一个真正感兴趣的对象。

详细的方法描述如下图所示，其中 $D_f$ 表示在第 $f$ 帧的检测，$d_j$ 表示在那一帧的第 $j$ 个检测结果，$T_a$ 活跃的(active)跟踪，$T_j$ 完成的跟踪，$F$ 序列中帧的个数：

流程：

1. 对于当前帧，首先利用阈值 ${\sigma }_l$ 进行初筛，得到输入检测集 $D$;
2. 对于每个活跃的跟踪，找到和它有最大 $IOU$ 的该帧检测框，如果该 $IOU$ 大于 ${\sigma }_{IOU}$，将检测 $d_{best}$ 加入到当前活跃跟踪 $t_i$ 中，随后将该检测框从当前帧检测集 $D_f$ 内删去；而如果最大的 $IOU$ 小于 ${\sigma }_{IOU}$，这时如果该活跃跟踪的历史最高检测评分大于 ${\sigma }_h$ 且跟踪的时间长度大于 $t_{min}$，则将 $t_i$ 加入到 $T_f$ 中，否则将从 $T_a$ 中删去 $T_a$；
3. 对于没有匹配到的检测，将其初始化为新跟踪并添加到 $T_a$ 中；
4. 在上述循环完毕后，对激活跟踪 $T_A$ 中的每个跟踪做判断，如果满足跟踪的历史最高检测评分大于 ${\sigma }_h$ 且跟踪的时间长度大于 $t_{min}$，则将该跟踪 $t_i$ 加入到 $T_f$ 中。

文章跳转：
IOU 目标跟踪其二：VIOU Tracker