16 天前

基于内存高效累积外观特征与轨迹验证的高效在线多摄像头跟踪

{Huan Duc Vi, Lap Quoc Tran}
基于内存高效累积外观特征与轨迹验证的高效在线多摄像头跟踪
摘要

多相机跟踪(Multi-camera Tracking, MCT)在各类计算机视觉应用中发挥着至关重要的作用。然而,在多个摄像头之间实现个体的准确跟踪仍面临诸多挑战,尤其是在身份切换(identity switch)问题上。本文提出了一种高效且支持在线处理的多相机跟踪系统,以应对上述挑战。该系统利用内存高效的累积外观特征(accumulated appearance features),在时间和跨摄像头场景中为个体提供稳定且一致的表征。通过在摄像头重叠区域引入基于分层凝聚聚类(Hierarchical Agglomerative Clustering, HAC)的轨迹验证机制,系统能够有效识别并修正身份混淆问题。在2024年AI City Challenge Track 1数据集上的评估结果表明,该系统在重叠与非重叠摄像头网络中均表现出优异的跟踪性能。系统在HOTA指标上取得40.3%的得分,位列挑战赛第9名。相比基线方法,引入轨迹验证使性能提升8%;而累积外观特征的进一步引入,使整体性能再提升17%,显著增强了系统的鲁棒性与准确性。

基于内存高效累积外观特征与轨迹验证的高效在线多摄像头跟踪 | 最新论文 | HyperAI超神经