RLM-Tracking: Online Multi-Pedestrian Tracking Supported by Relative Location Mapping

要約

複数オブジェクトの追跡の問題は、基本的なコンピューター ビジョン研究の焦点であり、公共の安全、輸送、自動運転車、ロボット工学、および人工知能を含むその他の領域で広く使用されています。
自然のシーンは複雑であるため、オブジェクト オクルージョンとセミ オクルージョンは通常、基本的な追跡タスクで発生します。
これらは、ID の切り替え、オブジェクトの損失、エラーの検出、および制限ボックスの位置合わせの誤りに簡単につながる可能性があります。
これらの条件は、マルチオブジェクト トラッキングの精度に大きな影響を与えます。
この論文では、オブジェクト \textbf{Relative Location Mapping} (RLM) モデルと \textbf{Target Region Density} (TRD) モデルを含む、上記の問題のための新しいマルチオブジェクト トラッカーを設計します。
新しいトラッカーは、オブジェクト間の位置関係の違いにより敏感です。
ビデオ内のオブジェクト領域の密度に応じて、低スコア検出フレームをリアルタイムでさまざまな領域に導入できます。
これにより、大量の演算リソースを消費することなく、オブジェクト トラッキングの精度が向上します。
私たちの研究は、提案されたモデルが、高度な MOT メソッドに適用されたときに、MOT17 および MOT20 データセットの HOTA および DF1 測定を大幅に強化したことを示しています。

要約(オリジナル)

The problem of multi-object tracking is a fundamental computer vision research focus, widely used in public safety, transport, autonomous vehicles, robotics, and other regions involving artificial intelligence. Because of the complexity of natural scenes, object occlusion and semi-occlusion usually occur in fundamental tracking tasks. These can easily lead to ID switching, object loss, detect errors, and misaligned limitation boxes. These conditions have a significant impact on the precision of multi-object tracking. In this paper, we design a new multi-object tracker for the above issues that contains an object \textbf{Relative Location Mapping} (RLM) model and \textbf{Target Region Density} (TRD) model. The new tracker is more sensitive to the differences in position relationships between objects. It can introduce low-score detection frames into different regions in real-time according to the density of object regions in the video. This improves the accuracy of object tracking without consuming extensive arithmetic resources. Our study shows that the proposed model has considerably enhanced the HOTA and DF1 measurements on the MOT17 and MOT20 data sets when applied to the advanced MOT method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google