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/