要約
正確なオンライン複数カメラ車両追跡は、インテリジェント交通システム、自律走行、スマートシティアプリケーションに不可欠である。シングルカメラによる複数オブジェクト追跡と同様に、一般的にトラッキング・バイ・検出のグラフ問題として定式化される。このフレームワークの中で、既存のオンライン手法は通常、まず時間的にクラスタリングし、次に空間的にクラスタリングする、もしくはその逆の2段階の手順で構成されています。これは計算コストが高く、エラーが蓄積しやすい。我々は、空間的・時間的クラスタリングを単一の複合ステップで行えるグラフ表現を導入する：新しい検出は、既存のクラスタと空間的・時間的に接続される。クラスタ内の全ての検出の外観と位置の手がかりを疎にすることで、我々の手法は利用可能な最も強い証拠に基づいてクラスタを比較することができる。最終的なトラックは、簡単なマルチカット割り当て手順を用いてオンラインで得られる。我々の方法は、ターゲットシーンでのトレーニング、シングルカメラトラックの事前抽出、追加アノテーションを必要としない。注目すべきことに、我々はCityFlowデータセットにおいてIDF1の点で14%以上、Synthehicleデータセットにおいて25%以上、それぞれオンライン最新技術を上回る。コードは公開されている。
要約(オリジナル)
Accurate online multiple-camera vehicle tracking is essential for intelligent transportation systems, autonomous driving, and smart city applications. Like single-camera multiple-object tracking, it is commonly formulated as a graph problem of tracking-by-detection. Within this framework, existing online methods usually consist of two-stage procedures that cluster temporally first, then spatially, or vice versa. This is computationally expensive and prone to error accumulation. We introduce a graph representation that allows spatial-temporal clustering in a single, combined step: New detections are spatially and temporally connected with existing clusters. By keeping sparse appearance and positional cues of all detections in a cluster, our method can compare clusters based on the strongest available evidence. The final tracks are obtained online using a simple multicut assignment procedure. Our method does not require any training on the target scene, pre-extraction of single-camera tracks, or additional annotations. Notably, we outperform the online state-of-the-art on the CityFlow dataset in terms of IDF1 by more than 14%, and on the Synthehicle dataset by more than 25%, respectively. The code is publicly available.
arxiv情報
| 著者 | Fabian Herzog,Johannes Gilg,Philipp Wolters,Torben Teepe,Gerhard Rigoll |
| 発行日 | 2024-10-03 16:23:33+00:00 |
| arxivサイト | arxiv_id(pdf) |