在SWIR图像上进行多对象跟踪,用于边缘计算环境中的城市监控

科学领域:

• 计算机视觉 计算机视觉
• 边缘计算 边缘计算
• 传感器技术 传感器技术

背景情况:

• 短波红外 (SWIR) 成像为监视提供了优势,但在自动对象检测和跟踪中未得到充分利用.
• 现有的多对象跟踪 (MOT) 研究主要集中在可见光谱和高计算环境上,忽视了城市监控和边缘计算限制中的车辆跟踪.
• 边缘计算对于城市监控至关重要,以最大限度地减少网络带宽并增强隐私.

研究的目的:

• 建议在城市监控场景中为SWIR图像提供快速有效的多对象跟踪方法.
• 为了在低功耗,低计算边缘计算环境中实现强大的车辆跟踪.
• 使用SWIR数据证明基于边缘的MOT的可行性.

主要方法:

• 专门为SWIR图像开发了多类基于距离的跟踪 (MCDTrack).
• 为了提高效率,利用了8位整数量化对象检测模型.
• 采用简单的距离和交叉点在欧盟 (IoU) 基础上的相似度指标进行跟踪.

主要成果:

• 通过77.5%的MOTA和80.2%的IDF1.1,实现了高跟踪精度.
• 与以前的多对象跟踪方法相比,证明了卓越的性能.
• 在边缘计算设备上成功执行了对象检测和跟踪.

结论:

• MCDTrack是一个快速有效的解决方案,用于边缘计算环境中的SWIR图像中的多对象跟踪.
• 拟议的方法为城市监控提供了一个强大的解决方案,克服了传统方法的局限性.
• 基于低率SWIR图像的边缘处理是开发先进监控系统的可行策略.