DroneMOT: Drone-basierte Multi-Object-Verfolgung unter Berücksichtigung von Detektionschwierigkeiten und gleichzeitiger Bewegung von Drohnen und Objekten
Die Multi-Objekt-Verfolgung (Multi-Object Tracking, MOT) auf stationären Plattformen, wie beispielsweise Überwachungskameras, hat erhebliche Fortschritte erzielt, wobei verschiedene Paradigmen attraktive Leistungen bieten. Die Effektivität herkömmlicher MOT-Methoden nimmt jedoch erheblich ab, wenn sie auf dynamischen Plattformen wie Drohnen angewendet werden. Dieser Leistungsverlust resultiert aus den charakteristischen Herausforderungen im Kontext der MOT auf Drohnen: (1) Objekte sind in der Bildebene typischerweise klein, verschwommen und häufig verdeckt, was ihre Erkennung und Identifikation erschwert; (2) Drohnen bewegen sich dynamisch und beobachten Objekte aus unterschiedlichen Blickwinkeln, was die Zuverlässigkeit der vorhergesagten Positionen und Merkmale der Objekte beeinträchtigt. In diesem Beitrag wird DroneMOT vorgestellt, das erstmals einen Dual-Domain-Integrated-Attention-(DIA)-Modul vorschlägt, der die schnellen Bewegungen von Drohnen berücksichtigt, um die Objekterkennung und Merkmalsdarstellung für kleine, verschwommene und verdeckte Objekte zu verbessern. Anschließend wird ein innovatives Motion-Driven-Association-(MDA)-Verfahren eingeführt, das die gleichzeitige Bewegung sowohl der Drohne als auch der Objekte berücksichtigt. Innerhalb des MDA-Verfahrens wird eine Adaptive Feature Synchronization-(AFS)-Technik vorgestellt, um die Objektmerkmale aus verschiedenen Blickwinkeln zu aktualisieren. Zudem wird eine Dual-Motion-basierte Vorhersage-(DMP)-Methode eingesetzt, um die zukünftigen Objektpositionen vorherzusagen. Schließlich werden die verfeinerten Merkmalsdarstellungen und die vorhergesagten Positionen integriert, um die Objektassoziierung zu verbessern. Umfassende Evaluationen auf den Datensätzen VisDrone2019-MOT und UAVDT zeigen, dass DroneMOT im Bereich der MOT auf Drohnen im Vergleich zu den aktuellen Stand der Technik erhebliche Leistungsverbesserungen erzielt.