该方法是基于ByteTrack的改进,论文主要包括三个点:一是更改了卡尔曼滤波器中的状态向量(MOTA +0.01%, IDF1 +0.12%, HOTA +0.24%),二是添加了相机运动补偿(MOTA...标出的性能提升为在MOT17验证集的结果。接下来介绍一下这三个点的实现细节:
使用(cx, cy, w, h, cx', cy', w', h')作为卡尔曼滤波器的状态。...而非之前使用的(cx, cy, s=w*h, r=w/h, cx', cy', s')或者(cx, cy, r=w/h, h, cx', cy', r', h')。...增加了相机运动补偿(CMC),具体做法是使用OpenCV中的全局运动补偿(GMC)的 RANSAC 算法得到仿射变换矩阵 A_{k-1}^k\in \mathbb{R}^{2\times 3},然后卡尔曼滤波器中的预测状态...在MOT17和MOT20上的结果如下:
本方法的使用限制:在运动物体密度较高的场景中,由于缺乏背景关键点,可能导致相机运动补偿估计失败,从而导致意想不到的跟踪行为。