Online Multi-Target Tracking Using Recurrent Neural Networks
第一个端到端在线目标追踪学习方法;
多目标跟踪挑战
- 目标没有先验知识并且随时间变动;
- 对当前所有目标的持续状态估计;
- 数据关联的离散组合问题;
框架划分
RNNs为状态估计和更新、目标存在概率估计;
LSTM实现数据融合;
RNN可以很好地处理运动预测和状态更新,但是处理不好数据关联,所以加入LSTM。
整体流程图:
方法优点
- 有效地调试单个部分;
- 模快化结构,增加、删除某块很容易;
- 单独训练某一块,加快训练和收敛的速度;
状态预测和更新
基于贝叶斯滤波,分为两步:动态预测状态,然后基于测量值更新状态的可信度;针对目标跟踪问题中目标可能消失和出现,引入连续测量误差来决定track的开始和结束;
时态RNN的结构图: