牛嘉丰,石蕴玉,刘 翔,贺 桢,戴佩哲
上海工程技术大学 电子电气工程学院,上海201600
多目标跟踪(MOT)是对视频帧中多个目标的运动轨迹进行预测的一种方法,它的应用从无人驾驶到智能视频分析和视频摘要等的研究都有着重要意义。
解决MOT 问题的主要策略,即按检测跟踪方法将多目标跟踪分解为两个步骤:(1)目标检测步骤,将视频中各个帧的目标检测出来备用;(2)目标关联步骤,将检测到的目标区域匹配到现有轨迹或者作为轨迹起点。近年来,为了提高多目标跟踪任务的跟踪精度和跟踪速度,学者们针对按检测跟踪方法的两个步骤提出了一系列新的方法。步骤(1)中使用的目标检测器主要分为二阶段和一阶段目标检测器。对二阶段目标检测器,文献[1]使用了Selective search 方法选取候选框并分别进行分类和位置回归。在此基础上,文献[2]和文献[3]分别实现了端到端的训练方式、ROI Pooling 技术和候选框推荐网络(RPN)代替Selective search 选取候选框等优化策略,进一步提高了网络的训练速度和检测速度。文献[4]通过级联几个检测网络达到不断优化预测结果的目的,与普通级联不同的是,它的几个检测网络是基于不同IOU 阈值确定的正负样本上训练得到的。对一阶段目标检测器,文献[5]首先在图像上预定义预测区域,相当于在图像上画网格,并且每个网格有若干个不同大小和不同比例的预候选区域,每个网格负责预测中心点落在该网格的目标,由于其仅使用一个CNN 网络直接预测不同目标的类别与位置,所以检测速度很快。……