基于智能和实时图像处理的融合的高速多重对象跟踪
Yuki Kawawaki1, Yuji Yamakawa2
1Graduate School of Engineering, The University of Tokyo, Tokyo 153-8505, Japan.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
这项研究引入了一种新的高速多重物体跟踪 (MOT) 系统,可以平衡速度和准确性. 混合方法显著提高计算机视觉应用程序的实时性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 多重对象跟踪 (MOT) 对于自动驾驶和监控等应用至关重要.
- 现有的MOT方法通常优先考虑关联而不是检测速度,从而限制实时性能.
- 需要MOT系统来平衡速度,准确性和稳定性.
研究的目的:
- 开发一套高速的MOT系统,在不牺牲跟踪精度的情况下提高实时性能.
- 调查加速检测对MOT系统整体效率的影响.
- 提出一种新的混合追踪框架和追踪器管理策略.
主要方法:
- 一个混合跟踪框架,将低频深度学习检测与经典的高速跟踪相结合.
- 一个基于检测标签的策略,用于管理对象跟踪.
- 在六个场景中使用高速摄像机数据进行评估,并与七种最先进的 (SOTA) 方法进行比较.
主要成果:
- 实现了高速率:高达470fps (2个对象),243fps (3个对象) 和178fps (4个对象).
- 通过高精度检测,在MOTA,IDF1和HOTA中获得最高分数.
- 证明有效的长期协会用于高速跟踪,即使检测准确度较低.
结论:
- 拟议的系统为高速MOT提供了一个实用和高效的基线.
- 多处理架构推动了MOT研究,特别是对于具有异步模块的系统.
- 混合方法有效平衡实时性能,跟踪精度和稳定性.
