TRAJECTORY FACTORY: TRACKLET CLEAVING AND RE-CONNECTION BY DEEP SIAMESE BI-GRU FOR MULTIPLE OBJECT TRACKING
论文重点针对对象识别重叠的画面可能造成的跟踪错误,对tracklet进行三步处理:生成——截断——重连接;使用Deep Siamese Bi-GRU 完成截断和重连接模型的训练;GRU是LSTM的变体,效果相似但GRU更易于计算,参数少,少了一个“门控”;
Generating
使用Siamese-CNN network生成tracklet;
检测到的包围盒表示(t时刻帧的第k个包围盒)
检测到的候选者表示
使用匈牙利算法匹配包围盒和候选者,偶图左侧为候选者,右侧为包围盒;
追踪到的对象定义如下,分别为时间(帧),tracklet的id,包围盒中心(x,y),包围盒的宽w、高h,状态s={‘tracked’,‘lost’,‘quitted’}