作者:Borna Bićanić,Marin Oršić,Ivan Marković,Siniša Šegvić,Ivan Petrović
摘要:本文研究了运动学(位置和速度)与外观线索之间的相互作用,以建立多目标行人跟踪中的对应关系。我们研究了基于深度学习检测器,联合集成概率数据关联(JIPDA)和基于外观的深度对应嵌入跟踪的逐个检测方法。我们首先通过微调卷积检测器来进行固定摄像机设置,以实现准确的行人检测,并将其与仅运动JIPDA相结合。由此产生的提交在3DMOT2015基准测试中排名第一。然而,在具有移动摄像机和未知自我运动的序列中,我们通过用深度对应嵌入的全局最近邻跟踪替换运动线索来实现最佳结果。我们通过使用由边缘项延长的角度损失来微调来自ResNet-18的第二块的特征来训练嵌入。我们注意到,直接在JIPDA中集成深度通信嵌入并没有带来显着的改进。看来,用于软数据关联的深度对应嵌入的几何形状需要进一步研究,以便从两个世界中获得最佳效果。
原文标题:Pedestrian Tracking by Probabilistic Data Association and Correspondence Embeddings
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。