SCTracker: Multi-object tracking with shape and confidence constraints

要約

検出ベースの追跡は、複数のオブジェクトを追跡する主な方法の 1 つです。
優れた検出器を使用すると良好な追跡結果が得られますが、重複した検出や信頼性の低い検出に直面すると、間違ったターゲットが関連付けられる可能性があります。
この問題に対処するために、この論文では、形状制約と信頼性に基づいた SCTracker という名前のマルチオブジェクト トラッカーを提案します。
データ関連付け段階では、形状制約を伴う和集合距離が適用されて、トラックと検出の間のコスト マトリックスが計算されます。これにより、位置は似ているが形状が一貫していない間違ったターゲットへのトラック追跡を効果的に回避し、
データの関連付けの正確さ。
さらに、検出の信頼度に基づくカルマン フィルターを使用して動きの状態を更新し、検出の信頼度が低い場合の追跡パフォーマンスを向上させます。
MOT 17 データセットに関する実験結果は、提案された方法が複数のオブジェクト追跡の追跡パフォーマンスを効果的に改善できることを示しています。

要約(オリジナル)

Detection-based tracking is one of the main methods of multi-object tracking. It can obtain good tracking results when using excellent detectors but it may associate wrong targets when facing overlapping and low-confidence detections. To address this issue, this paper proposes a multi-object tracker based on shape constraint and confidence named SCTracker. In the data association stage, an Intersection of Union distance with shape constraints is applied to calculate the cost matrix between tracks and detections, which can effectively avoid the track tracking to the wrong target with the similar position but inconsistent shape, so as to improve the accuracy of data association. Additionally, the Kalman Filter based on the detection confidence is used to update the motion state to improve the tracking performance when the detection has low confidence. Experimental results on MOT 17 dataset show that the proposed method can effectively improve the tracking performance of multi-object tracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google