Jun, 2019

CVPR19 跟踪和检测挑战赛：有多拥挤？

PDF
TL;DR本研究提出了一个新的 CVPR19 基准测试，该测试包括 8 个新序列，重点关注极度拥挤的场景下的多目标跟踪，并将在第四届 BMTT MOT 挑战工作坊上进行评估。
computer visionbenchmarkingmultiple object trackingcvpr19crowded scenes
发现论文，激发创造
  • MOT20：拥挤场景下多目标追踪的基准测试

    本文介绍的 MOT20benchmark 建立在 MOT15、MOT16 和 MOT17 的基础上，扩展了 8 个新的数据序列，适用于评估在极度拥挤情景下处理多个物体跟踪的最先进方法。

    Mar, 2020

  • MOT16：多目标跟踪基准

    通过新发布的 MOTChallenge 标准基准测试集，研究人员在计算机视觉领域的多目标跟踪方面提出了一个具有挑战性的任务，并通过对 MOT16 视频的大量标记来标准化不同方法的评估。

    Mar, 2016

  • 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

  • MOTChallenge 2015：多目标跟踪基准的探索

    本文介绍了我们的工作，即创建一个新的多目标跟踪基准，以解决现有基准存在的问题，并通过 MOTChallenge 向一个更有意义的多目标跟踪定量评估统一框架迈进。

    Apr, 2015

  • 追踪器的追踪：多目标追踪技术现状分析

    本文介绍了一个用于评估多目标跟踪方法的基准测试框架，其中包含了约 50 个最先进的跟踪器的测试结果及其分析，旨在为推动这一领域的发展提供指导。

    Apr, 2017

  • 聚集场景中通过头部聚焦处理高度遮挡问题的密集人群跟踪

    本研究中，我们提出了一种联合检测深度学习模型，用于解决在高密度人群中识别和跟踪行人的问题，实验数据表明，该模型在小型和中型行人检测方面取得了最先进的结果。

    Apr, 2023

  • 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

  • 基于人群密度图中的网络流量的目标多目标追踪算法

    本文提出了一种新的基于人群密度图的多目标追踪（MOT）算法 —— 计数式追踪。通过联合建模检测、计数和跟踪多个目标为网络流算法，该算法同时找到全局最优的多个目标检测和轨迹。该方法在人员、细胞和鱼群跟踪等各领域的公共基准测试中表现出了良好的结果。

    Jul, 2020

  • TrafficMOT：复杂交通场景下的多目标追踪挑战数据集

    多目标跟踪在交通视频中是一个关键的研究领域，通过利用先进的机器学习算法，可以提高交通监控的准确性并促进道路安全措施。然而，现有的交通视频多目标跟踪数据集通常具有有限的实例或专注于单个类别，无法很好地模拟复杂交通场景中遇到的挑战。为了填补这一空白，我们介绍了 TrafficMOT，一个广泛的数据集，旨在涵盖具有复杂场景的多种交通情况。通过使用三种不同的设置来验证 TrafficMOT 所呈现的复杂性和挑战：完全监督、半监督和最近强大的零样本基础模型 Tracking Anything Model（TAM）。实验结果突出了该数据集的内在复杂性，强调其在交通监控和多目标跟踪领域推动发展的价值。

    Nov, 2023

  • MMPTRACK: 大规模密集标注多摄像机多人跟踪基准测试

    本研究提供了一个大规模数据集，利用自动注释系统从不同环境下的高度重叠 RGB 和深度相机生成三维跟踪结果，并通过手动检查和纠正三维跟踪结果来确保标签质量，以提高多相机，多物体跟踪系统的可靠性和性能。

    Nov, 2021