本文共 485 字，大约阅读时间需要 1 分钟。

创新点：（IDs and false alarms，fragmentations）

受单目标跟踪中稀疏表达的成功的启发，提出把多帧数据关联看成是能量最小的问题，设计一种能有效利用所有检测结果的稀疏表达的能量（energy）。此外，提出使用一种结构化的稀疏诱导规范（sparsity-inducing norm）计算更为符合跟踪上下文的表达。

本文提出了一种新的MOT方法，把基于稀疏表达的外观模型和滑窗跟踪方法联合起来。设计了一个经过权重量化的的正则项，目的是产生一个稀疏结构，使得与通用的正则相比更加适合MOT的问题。此外，提出了一个有效的优化方法，使用加速梯度下降技术计算基于的稀疏表达。把基于的稀疏表达与一种滑窗法相结合，可以产生一种鲁棒的跟踪方法，该方法因其有能力有效地纠正之前的关联错误，而不易产生像身份变换（identity switches）或者跟踪碎片（fragmentations）等的关联错误。

贡献：  

①通过使用基于稀疏表达的外观模型，改进多帧数据关联的结果。

②使用更适合上下文的结构化的稀疏表达，这一结构化的稀疏表达源于经过权重量化的的正则项。

转载地址：http://ybuxi.baihongyu.com/