BEVTrack:多视图多人注册和跟踪在鸟视图中

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:

• 多视图的人类跟踪对于监视和机器人技术至关重要.
• 现有的方法通常需要摄像头校准或直接的鸟视图 (BEV) 数据,限制现实世界的适用性.

研究的目的:

• 为了应对在没有摄像头校准或明确的BEV视频的情况下在BEV中进行多视图多人跟踪的挑战.
• 提出一个新的方案,BEVTrack,在复杂的场景中进行可靠的跟踪.

主要方法:

• 一个虚拟BEV转换模块从单个摄像头视图生成BEV表示.
• 一个统一的BEV对齐模块使用自主监督的损失来实现空间和时间一致性来融合这些表示.
• 摄像机主题协作注册和跟踪策略利用相互依赖来提高准确性.

主要成果:

• 拟议的BEVTrack方案证明了多视图多人跟踪的有效性.
• 在新建的基准指标上的实验结果验证了该方法的性能.
• 这种方法成功地实现了跟踪,不需要摄像头校准或捕获的BEV视频.

结论:

• BEVTrack为现实应用中的多视图多人跟踪提供了一个实用的解决方案.
• 该方法在没有校准或BEV视频的情况下追踪的能力标志着一个显著的进步.
• 开发的基准标准有助于在这个领域的未来研究.