论文翻译：Multi-view People Tracking via Hierarchical Trajectory Composition

来源：CVPR2016

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