Multi-Class Multi-Object Tracking using ChangingPoint Detection

1.  摘要

本文提出了一种新颖的多类多目标跟踪（MCMOT）框架，通过组合检测响应和变点检测（CPD）算法来进行无限类多目标跟踪。该框架的效果优于当前最先进的视频跟踪技术。

检测响应：用CNN-based的object detector和基于KLT（Lucas-Kanede Tracker）的motion detector来计算the likelihoodsof foreground regions，以此作为不同类别目标的检测响应。

CPD：CPD模型用于观察由遮挡或者draft引起的突变状况。

基准数据集：ImageNet VID 和 MOT Benchmark 2016。

2. MCMOT框架

MCMOT算法总结：

首先，在实体状态转换步骤中执行对象的出现和消失分配。其次，使用数据驱动的MCMC采样步骤构建中间轨道段。然后，通过变化点检测算法监测可能发生的漂移。最后组合出轨迹。

上图所示中的step1在observation model中详细介绍。

2.1 观察模型

集合了多种特征的目标检测器来计算目标的observation likelihood，最后估计出目标的类别和精确位置。

本节中定义observation model(observation likelihood)P(Z_t |X_