Online Multi-Object Tracking mittels robuster kooperativer Modell- und Beispiel-Auswahl

In den letzten zehn Jahren wurden erhebliche Fortschritte bei der Objektdetektion und -verfolgung in Videos erzielt. In diesem Artikel präsentieren wir ein kooperatives Modell zwischen einem vortrainierten Objektdetektor und mehreren Einzelobjekt-Online-Verfolgern im Rahmen des Partikelfilterungsframeworks. Für jeden Frame erstellen wir eine Zuordnung zwischen Detektionen und Verfolgern und behandeln jede detektierte Bildregion als Schlüsselstichprobe zur Online-Update-Phase, sofern sie einem Verfolger zugeordnet ist. Wir stellen ein Bewegungsmodell vor, das die zugeordneten Detektionen mit der Objektdynamik integriert. Darüber hinaus schlagen wir ein effektives Stichprobenauswahlverfahren vor, um das Erscheinungsbildmodell jedes Verfolgers zu aktualisieren. Für die Likelihood-Funktion verwenden wir ein diskriminatives, für die Datenzuordnung ein generatives Erscheinungsbildmodell. Experimentelle Ergebnisse zeigen, dass das vorgeschlagene Verfahren im Allgemeinen state-of-the-art-Methoden übertrifft.