12 天前
基于时空机制与锚点特征分层聚类的在线多摄像头人群跟踪
{Vasin Suttichaya, Worawit Saetan, Supawit Vatathanavaro, Kasisdis Mahakijdechachai, Pakcheera Choppradit, Teepakorn Tosawadi, Phawat Borisuitsawat, Ek Thamwiwatthana, Pornprom Kiawjak, Wasu Kudisthalert, Suchat Tungjitnob, Visarut Trairattanapa, Sasin Phimsiri, Riu Cherdchusakulchai}
摘要
多摄像头多目标跟踪（Multi-camera Multi-object Tracking, MTMC）通过实现跨多个摄像头视图的无缝目标追踪，超越了传统的单摄像头跟踪方法。该能力在安全监控系统以及提升各类环境下的态势感知水平方面具有重要意义。本文提出了一种专为在线运行设计的新型MTMC框架，采用三阶段流水线架构：多目标跟踪（MOT）、多目标多摄像头跟踪（MTMC）以及跨区间同步（Cross Interval Synchronization, CIS）。在MOT阶段，系统提取行人重识别（ReID）特征，并生成局部轨迹片段（tracklets）。在MTMC阶段，利用时空约束与基于锚点特征的层次聚类方法，实现跨摄像头轨迹片段的精准关联，显著提升跨视角匹配性能。最后，CIS模块确保轨迹片段在不同时间区间之间的时序一致性，增强整体跟踪的连贯性与稳定性。所提出的框架在具有挑战性的2024年AI City Challenge竞赛中得到了验证，取得了51.0556%的HOTA（Higher Order Tracking Accuracy）得分，位列第六名。相关代码已公开，地址为：https://github.com/AI-and-Robotics-Ventures/AIC2024_Track1_ARV。