Depth Perspective-aware Multiple Object Tracking

要約

このホワイト ペーパーでは、複数オブジェクト トラッキング (MOT) に取り組むことを目的としています。MOT は、コンピューター ビジョンの重要な問題ですが、多くの実際的な問題、特にオクルージョンが原因で依然として困難です。
実際、MOT のオクルージョンの問題に取り組むために、新しいリアルタイム深度パースペクティブ対応の複数オブジェクト トラッキング (DP-MOT) アプローチを提案します。
シンプルで効率的な Subject-Ordered Depth Estimation (SODE) が最初に提案され、2D シーンで検出された被写体の深度位置を教師なしで自動的に並べ替えます。
SODE からの出力を使用して、オブジェクトの動きを動的に更新するために、新しい Active pseudo-3D Kalman フィルター (動的制御変数を使用した単純だが効果的な Kalman フィルターの拡張) が提案されます。
さらに、検出されたオブジェクト間の 1 次および 2 次の関係を組み込むために、データ関連付けステップで新しい高次関連付けアプローチが提示されます。
提案されたアプローチは、標準的な MOT ベンチマークでの最近の MOT メソッドと比較して、一貫して最先端のパフォーマンスを達成します。

要約(オリジナル)

This paper aims to tackle Multiple Object Tracking (MOT), an important problem in computer vision but remains challenging due to many practical issues, especially occlusions. Indeed, we propose a new real-time Depth Perspective-aware Multiple Object Tracking (DP-MOT) approach to tackle the occlusion problem in MOT. A simple yet efficient Subject-Ordered Depth Estimation (SODE) is first proposed to automatically order the depth positions of detected subjects in a 2D scene in an unsupervised manner. Using the output from SODE, a new Active pseudo-3D Kalman filter, a simple but effective extension of Kalman filter with dynamic control variables, is then proposed to dynamically update the movement of objects. In addition, a new high-order association approach is presented in the data association step to incorporate first-order and second-order relationships between the detected objects. The proposed approach consistently achieves state-of-the-art performance compared to recent MOT methods on standard MOT benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google