多目标跟踪（MOT）:AttMOT: Improving Multiple-Object Tracking by Introducing Auxiliary Pedestrian Attributes

论文作者：Yunhao Li,Zhen Xiao,Lin Yang,Dan Meng,Xin Zhou,Heng Fan,Libo Zhang

作者单位：Chinese Academy of Science;Turing Quantum Company;OPPO Research Institute;University of North Texas

论文链接：http://arxiv.org/abs/2308.07537v1

内容简介：

1）方向：多目标跟踪（MOT）

2）应用：智能监控和自动驾驶等领域

3）背景：MOT是计算机视觉中的一个基本问题，已经取得了显著进展。然而，对于行人属性（如性别、发型、体型和服装特征）这种包含丰富高级信息的特征，研究较少。

4）方法：为了填补这一空白，提出了一种简单、有效、通用的方法来预测行人属性，以支持通用的Re-ID嵌入。首先引入了AttMOT，一个大型、高度丰富的用于行人跟踪的合成数据集，包含超过80k帧和600万个不同时间、天气条件和场景的行人ID。其次，探索了不同的方法来融合Re-ID嵌入和行人属性，包括注意机制，希望能够促进属性辅助MOT的发展。

5）结果：所提出的AAM方法在几个代表性的行人多目标跟踪基准测试中（包括MOT17和MOT20）通过对AttMOT数据集进行实验证明了其有效性和通用性。当应用于最先进的跟踪器时，AAM在MOTA、HOTA、AssA、IDs和IDF1得分上都取得了一致的改进。例如，在MOT17上，当与FairMOT一起使用时，所提出的方法在MOTA上取得了+1.1的改进，在HOTA上取得了+1.7的改进，在IDF1上取得了+1.8的改进。为了鼓励进一步研究属性辅助MOT，将发布AttMOT数据集。