论文框架流程_5

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’}