High-Speed Tracking-by-Detection Without Using Image（IOU Tracker）

High-Speed Tracking-by-Detection Without Using Image Information

基础知识回顾：

• IOU：全称交并比（Intersection over union），公式如下：
  

• PR-MOTA的含义：代表在不同置信度阈值下，分别求得precision和recall的值，然后根据不同的precision和recall会得到相应的PR-MOTA。
  
  PR-MOTA是沿着PR-MOTA curve的积分，即上图红色阴影部分的面积，公式如下：
  $${\Omega }^{\ast }={\Omega }_{+}+\Omega =\frac{1}{2}{\int }_C\psi (p,r)ds$$

前置条件：
（1）检测精度高
（2）视频帧率高
算法流程：

输入：
$$D代表检测集合，D_0,D_1,...,D_{f-1}分别代表第0,1,...,f-1帧的检测集合，d_0,d_1,...d_{N-1}分别代表检测的物体。$$
初始化：
$$T_a=\varnothing ,T_f=\varnothing ,T_a代表活跃轨迹，即还没有追踪完毕，T_f代表及已经追踪结束的轨迹。$$
D = { { d i ∣ d i ∈ D j , s c o r e ( d i ) ≥ σ l } ∣ D j ∈ D } , 其 中 σ l 代 表 分 数 阈 值 ， 过 滤 掉 分 数 小 于 σ 的 目 标 。 D=\{\{d_i|d_i\in D_j,score(d_i)\geq \sigma_l\}|D_j\in D\},其中\sigma_l代表分数阈值，过滤掉分数小于\sigma的目标。 D={{di​∣di​∈Dj​,score(di​)≥σl​}∣Dj​∈D},其中σl​代表分数阈值，过滤掉分数小于σ的目标。
流程：

1. 对于一个活跃轨迹$t_i$，选取最后加入活跃轨迹的物体，计算该物体与当前帧物体的IOU，与该物体重合度最大的物体记为$d_{best}$。
2. 如果这个最大的IOU大于设定的阈值${\sigma }_{IOU}$，把$d_{best}$加入$t_i$，然后将$d_{best}$从$D_f$中删除。否则判断轨迹$t_i$中物体的最大分数是否大于等于设定的阈值${\sigma }_h$并且轨迹长度是否大于等于设定的最小长度$t_{min}$，如果两者都满足条件，就将$t_i$从活跃轨迹$T_a$中加入追踪结束的轨迹$T_f$。
3. 然后将$D_f$中的剩余的物体都视为是一条轨迹的开始，并将其加入到活跃轨迹$T_a$
4. 最后对于每一个活跃轨迹$t_i$，判断是不是满足条件，如果满足就将其加入追踪结束的轨迹$T_f$。

实验结果：

优点：

1. 简单，不需要视觉信息
2. 计算成本极低，方便在此基础扩展

缺点：

1. 依赖检测器性能
2. 依赖帧间变化程度
3. 遮挡和漏检会使轨迹中断