Sep, 2014

多目标跟踪：文献综述

PDF
TL;DR本文是关于多目标跟踪 (MOT) 这一问题的首次综述研究，着重审查了各个方面的最新进展并提出未来研究的一些有趣方向。本文的四个主要贡献是：讨论了 MOT 系统中的关键方面，包括公式化、分类、关键原则和 MOT 评估；根据不同方面讨论了现有方法，每个方法组被分成不同组并详细讨论了原则、进展和缺点；总结了现有出版物的实验，并在流行数据集上汇总了结果，从不同角度分析了结果，验证了该领域的一些基本协议；并提出了 MOT 研究的问题和一些有趣方向，这将成为未来的潜在研究努力。
multiple object trackingreviewadvancesevaluationfuture research
发现论文，激发创造
  • 自动驾驶中的三维多目标跟踪：文献综述

    3D 多目标跟踪是自动驾驶领域中的一个重要问题，本文对该领域的研究现状进行了综述和总结，提出了未来的研究方向，包括问题界定、分类、方法论、挑战、实验指标和数据集等方面的系统讲解和比较，为未来的研究提供了指导。

    Sep, 2023

  • 视频多目标跟踪的深度学习研究

    本文综述了利用深度学习模型解决单摄像头视频的多目标跟踪任务的研究，总结了该任务中的四个主要步骤，并深入探讨了如何在每个步骤中利用深度学习。此外，还提供了对三个 MOTChallenge 数据集中所呈现的工作的完整实验比较，并确定了最优解方法之间的若干相似之处，提出了一些可能的未来研究方向。

    Jul, 2019

  • SimpleTrack: 3D 多目标跟踪的理解和反思

    本文总结了目前三维多目标跟踪方法并提出了 SimpleTrack 算法，指出了现有方法的缺陷并为其提出改进方案；在 Waymo Open Dataset 和 nuScenes 数据集上得到了新的最佳结果。本文还分析了现有数据集对算法真实能力的反映以及剩余失败情况的分布和原因，并提出了未来三维多目标跟踪的研究方向。

    Nov, 2021

  • 鲁棒性多模态多目标追踪

    该研究提出了一个通用的、传感器无关的多模态多目标跟踪框架，通过在数据关联过程中编码点云的深度表示，使每种模态能够独立执行其职能以保证其可靠性，并通过新型的多模态融合模块进一步提高其精度。该框架在 KITTI 基准上的表现达到了最新水平。

    Sep, 2019

  • MT_IoT 团队多目标跟踪挑战技术报告

    本文主要介绍了我们针对在复杂环境下的多目标跟踪挑战提出的方法，将其作为两个阶段的任务，包括人体检测和轨迹匹配，并具体设计了一个改进的人体检测器和一个位置匹配矩阵，使其在 DanceTrack 数据集上获得了高达 66.672 HOTA 和 93.971 MOTA 的成绩。

    Dec, 2022

  • 基于元学习的多目标追踪

    基于元学习的 MAML MOT 方法用于解决行人多目标跟踪中的样本稀缺问题，提高模型的泛化性能和鲁棒性，取得了在 MOT 挑战赛上的高准确率，为行人多目标追踪领域的研究提供了新的视角和解决方案。

    May, 2024

  • 走向具有普适性的多目标跟踪

    多目标跟踪应具备高度的一般化能力，然而现有的跟踪器往往无法满足各种特征，而通过研究并将其抽象成一组跟踪场景属性，我们提出了一种点对点到实例关系的跟踪框架 GeneralTrack，能够在不需要平衡运动和外观的情况下，高效地进行多场景跟踪，从而在多个基准测试中达到最先进的性能，并展示了领域泛化的潜力。

    Jun, 2024

  • GMOT-40：通用多目标跟踪基准

    本文通过构建 GMOT-40 数据集、设计一系列 GMOT 基线算法及对 GMOT-40 的全面评估，旨在推动 GMOT 的研究，以及提供公共的基准测试、评估结果和基线算法。

    Nov, 2020

  • MAT: 移动感知多物体跟踪

    本研究提出了一种增强型的运动感知多目标跟踪系统，集成了不同对象的多种运动模式，并引入动态重连上下文模块、三维积分图像模块等手段，取得了比其他先进跟踪器更为优越的高效性能。

    Sep, 2020

  • MOTChallenge：单目多目标跟踪基准测试

    MOTChallenge 是一个针对单摄像头多目标跟踪设计的标准化比赛，包含三个版本，包括挑战性视频和精确的标签，同时提供了多目标跟踪器分类和广泛的错误分析。

    Oct, 2020