目标跟踪创新点OC-Sort(对遮挡和非线性运动具有鲁棒性)
该篇文章是在sort的基础上进行的改进
论文:
论文下载地址
代码:
源码下载地址
创新点说明
1、从分析和经验上认识SORT的三个局限性,即对状态估计噪声的敏感度、随时间的误差累积和estimation-centric;
2、通过修复SORT的局限性,为跟踪提出适用于遮挡和非线性运动的OC-SORT,它以在线和实时的方式在多个数据集上实现了SOTA性能。
1、本文设计一个模块,以反向检查的方式,使用目标状态观测值来减少轨迹丢失期间的累积误差。准确的说,除了预测和更新这些传统阶段外,本文还增加了重更新阶段来纠正累积误差。跟丢一段时间后,当通过与观测值关联来重新激活轨迹时,触发重更新。重更新使用历史时间步长上的虚拟观测值来防止误差累积。虚拟观测值来自这样的轨迹,由跟丢前的最后一次观测值和将该轨迹重新激活为anchor的最新观测值来生成。本文将其命名为Observation-centric Re-Update (ORU)。
2、除了ORU,线性运动假设提供了目标运动方向的一致性。但由于方向估计中存在严重的噪声,这种线索很难用于SORT关联。本文提出一种observation-centric方式,将轨迹的方向一致性合并到代价矩阵中用于关联。本文将其命名为Observation-Centric Momentum (OCM)。本文还为实际的速度方向估计噪声提供了分析依据。
备注:
1、线性运动假设:大多数现有基于运动模型的算法都假设跟踪目标在一个时间间隔内具有恒定的速度
2、观测值:目标检测器获取的目标的状态测量值,通常作为辅助信息来帮助更新滤波器的后验参数。