Echtzeit-Mehrpersonenverfolgung mit tiefen Lernmethoden zur Kandidatenauswahl und Personenerkennung

Die Online-Mehrzielverfolgung ist ein grundlegendes Problem in zeitkritischen Videoanalyseanwendungen. Eine der größten Herausforderungen im gängigen Verfolgungsansatz durch Detektion besteht darin, wie man unzuverlässige Detektionsergebnisse mit bestehenden Spuren zuordnen kann. In dieser Arbeit schlagen wir vor, unzuverlässige Detektionen dadurch zu behandeln, dass Kandidaten sowohl aus den Ausgaben der Detektion als auch der Verfolgung gesammelt werden. Die Intuition hinter der Erstellung redundanter Kandidaten ist, dass Detektion und Verfolgung sich in verschiedenen Szenarien gegenseitig ergänzen können. Detektionsergebnisse mit hoher Zuversichtlichkeit verhindern langfristige Verfolgungsfehler, während Vorhersagen der Verfolgung rauschige Detektionen aufgrund von Überlagerungen bewältigen können. Um eine optimale Auswahl aus einer großen Anzahl von Kandidaten in Echtzeit durchzuführen, präsentieren wir eine neuartige Bewertungsfunktion basierend auf einem voll konvolutiven neuronalen Netzwerk, das die meisten Berechnungen über das gesamte Bild teilt. Darüber hinaus verwenden wir eine tief eingelernte Erscheinungsrepräsentation, die auf umfangreichen Person-Reidentifikationsdatensätzen trainiert wurde, um die Identifizierungsfähigkeit unseres Trackers zu verbessern. Ausführliche Experimente zeigen, dass unser Tracker in Echtzeit und stand der Technik entsprechende Leistung auf einem weit verbreiteten Benchmark für Personenverfolgung erzielt.