PSMOT:在线闭塞感知多对象跟踪利用位置灵敏度
Ranyang Zhao1, Xinyan Zhang2, Jianwei Zhang1
1National Key Laboratory of Fundamental Science on Synthetic Vision, Sichuan University, Chengdu 610065, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
本研究介绍了PSMOT,这是一个多个对象跟踪 (MOT) 的新两阶段联合模型. 它提高了效率和稳定性,特别是在闭塞场景中,性能优于当前的系统.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 当前的多对象跟踪 (MOT) 系统经常使用单独的检测和重新识别 (ReID) 模型.
- 联合检测和ReID模型提供更高的效率,但通常是单阶段的.
- 两阶段模型虽然较慢,但在处理阻塞和特征错位方面具有固有的优势.
研究的目的:
- 开发一个强大的和高效的MOT.两个阶段的联合模型.
- 克服现有的单阶段联合模型的局限性.
- 为了在具有挑战性的场景中提高性能,如闭塞.
主要方法:
- 提出了一个基于R-FCN的两阶段关节模型,具有完全卷积的脊椎和部.
- 实施了适应性稀疏定方案,以实现有效的提案生成.
- 集成的特征聚合和解,用于增强检测和ReID.
- 使用位置灵敏度用于闭塞估计和后处理.
主要成果:
- 拟议的模型,PSMOT,与最先进的系统相比,实现了具有竞争力的性能.
- 在处理闭塞方面,PSMOT显示了显著的改进.
- 该系统保持了高时间效率.
结论:
- 通过仔细的设计,双阶段关节模型可以与单阶段模型竞争.
- 对于在线多对象跟踪,PSMOT提供了一个强大而高效的解决方案.
- 该方法有效地解决了MOT系统中闭塞等挑战.
