MOT多目标跟踪之CenterTrack

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

论文题目：Tracking Objects as Points(ECCV2020)
代码地址：https://github.com/xingyizhou/CenterTrack

一、提出原因及主要贡献

论文提出一种point-based的框架来联合检测跟踪，CenterTrack。
CenterTrack简化了跟踪的pipeline。

1. 简化了跟踪条件检测。如果过去帧的每个目标都用单一点表示，一系列目标信息就能够用点的heatmap表示。当将目标通过帧同时关联起来时，CenterTrack的跟踪条件检测器直接从heatmap提取信息。
2. 简化了时间上的对象关联。一个简单的位移预测，类似于稀疏光流法，使得不同帧的对象被联系起来。它学习联合检测当前帧的对象能和之前帧的对象关联起来。

二、论文架构

CenterTrack是在CenterNet检测器的基础上。CenterNet通过目标的中心点识别目标，然后回归目标的边界框。CenterNet以下采样4倍的大特征图进行特征提取，并不采用FPN结构。
Tracking objects as points

两大难点：

1. 在每一帧中找出每一个对象，包含被遮挡的对象。
2. 如何通过时间关系关联这些对象。

解决办法：

1. 通过一个跟踪条件检测器从上帧的检测结构来提高当前帧的检测结果。<