Abstract
本文提出了多视点对象跟踪的分层组合方法。其关键思想是自适应地利用二维和三维的多重线索,例如地面占有一致性,外观相似性,运动相干性等,这些线索在追踪行人轨迹的过程中相互补充。虽然在过去的文献中已经广泛地研究了特征联机选择,但是如何有效地调度这些提示以用于追踪目的仍然不清楚,特别是在遇到各种挑战时,例如,遮挡,连词和外观变化。为此,我们提出了一个层次组合模型,并将多视点多目标跟踪作为组合结构优化的一个问题。我们设置了一套组合标准,每个标准对应一个特定的提示。通过利用不同的标准来追求层次组合过程,这在图层节点和其层次结构中的后代之间施加了约束。我们学习使用最大似然估计(MLE)标注数据的构成标准,并通过迭代贪婪追踪算法有效地构建分层图。在实验中,我们证明了我们的方法在三个公共数据集上的优越性能,其中之一是由我们新创建的,以测试多视图多目标跟踪中的各种挑战。
1. Introduction
多视点多目标跟踪在过去的文献中引起了很多关注[22]。 从多个视图跟踪对象本质上是一个组合优化问题。 例如,人的三维轨迹可以分层分解为单个视图的轨迹,轨迹片段和边界框。尽管现有的追踪器或多或少地利用了上述原理,但是他们对特