论文笔记:REAL-TIME MULTIPLE PEOPLE TRACKING WITH DEEPLY LEARNED CANDIDATE SELECTION AND PERSON RE-IDENTIFICATION
1.简介
这是ICME2018的一篇多目标跟踪的文章。文章提出了一个新的同时将跟踪的预测结果和检测的结果同时作为跟踪候选的一种行人多目标跟踪方法。基于这样的方法,既可以用检测的结果帮助减少长期跟踪的漂移,也可以利用跟踪预测的结果处理因为遮挡造成的检测问题。
2.方法
- 将跟踪结果和检测结果作为候选
- 用R-FCN给候选框进行打分,并利用分数进行NMS
- 利用外观信息和空间位置信息,将已有的跟踪轨迹和候选框相关联
2.1 实时目标分类
通过一个R-FCN网络,生成一个score maps,再将第1步中的候选作为ROI,计算每一个候选的score。注意,如果直接计算ROI的平均score,很可能出现某个ROI仅仅是人的一部分,但是得到的score很高也被检测为人,就会出现问题。因此本文在操作的时候将ROI分成kk个bins,以便保留空间信息(这里没有看懂它具体是怎么操作的),之后将这个wk区域的score取平均,公式如下:
2.2 tracklet confidence and score function
跟踪轨迹的候选是通过卡尔曼滤波预测得到的,但是如果连续很多帧没有匹配到检测框的话,跟踪的结果可靠程度就会下降,因此引入一个tracklet confidence。计算公式如下:
L d e t L_{det} Ldet</