Online Multi-Object Tracking with Instance-Aware Tracker and Dynamic Model Refreshment

[DeepTecher]

Online Multi-Object Tracking with Instance-Aware Tracker and Dynamic Model Refreshment
提交日期：2019-02-21
团队：坦普尔大学
摘要： 无模型单目标跟踪（SOT）算法的最新进展很大程度上激发了将SOT应用于多目标跟踪（MOT）以提高鲁棒性以及减轻对外部检测器的依赖性。然而，SOT算法通常被设计用于区分目标与其环境，因此当目标在空间上与在MOT中频繁观察的类似对象混合时遇到问题。为了解决这个问题，在本文中，我们提出了一种实例感知跟踪器，通过编码目标模型内部和目标模型之间的感知来集成MOT的SOT技术。特别地，我们通过融合用于区分目标和背景和其他实例（跟踪目标）的信息来构建每个目标模型。为了保证所有目标模型的唯一性，我们的实例感知跟踪器会考虑来自所有目标模型的响应图，并专门分配空间位置以优化整体精度。我们做出的另一个贡献是通过卷积神经网络学习的动态模型刷新策略。该策略有助于消除初始化噪声以及适应目标大小和外观的变化。为了显示所提出的方法的有效性，它在流行的MOT15和MOT16挑战基准上进行了评估。在两个基准测试中，与公布的结果相比，我们的方法实现了最佳的整体表现。