论文笔记:Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification(LSST)
简介
这是一篇arxiv上的文章,文中提出了一个新的多目标跟踪框架,并且跟踪的指标当时在MOT17上排名第一,即使在11个月后的现在,这个算法依然排名第三(第一第二都没有论文介绍相应的算法)。唯一遗憾的是,这个算法难以达到实时性,在GTX 1060上只有1.5HZ的速度,并且暂时还没有开源代码。无论如何,这篇文章提出的一些方法还是很有参考意义的。
方法
文中提到的方法比较多,主要思路就是:
1 利用单目标跟踪器进行预测,代替卡尔曼滤波,使得track的预测结果更好(for short cues)
2 提出了SAC(switcher-aware classification),将容易发生ID switch的目标考虑进来,以减少ID Switch
3 利用一个ReID网络提取跟踪目标和2中提到的易混淆目标的特征,增加长期跟踪的鲁棒性
算法的实现流程如下:
- 初始化跟踪目标
- 利用第t帧的结果用SOT预测第t+1帧的结果
- 从历史图像里调出k张高质量图像,提取检测的ReID特征
- 对于2中的的SOT预测结果提取ReID特征,再和3中检测的特征一起提取目标的匹配特征