Jul, 2023

城市尺度多摄像头多目标跟踪的改进：基于位置感知跟踪和盒粒度匹配

PDF
TL;DR多相机多目标跟踪（MCMT）是一种计算机视觉技术，用于在多台相机上同时跟踪多个目标。本文介绍了一种名为 CityTrack 的新型 MCMT 框架，其中包括一种集成了各种先进技术的位置感知 SCMT 追踪器以及一种用于 ICA 模块的新颖的 Box-Grained Matching（BGM）方法，该方法能够解决城市交通场景中的困难。在 CityFlowV2 数据集的公共测试集上评估了我们的方法，并取得了 84.91% 的 IDF1 指标，在 2022 AI CITY CHALLENGE 中排名第一。我们的实验证明了我们的方法在克服城市交通场景带来的挑战方面的有效性。
发现论文，激发创造
  • 具有改进的自主监督相机连接模型的城市级多摄像机车辆跟踪系统

    本研究提出了一种创新的多摄像头车辆追踪系统，利用自监督的摄像头链接模型，自动提取关键的多摄像头关系来进行车辆匹配，并通过设置时空约束来支持跨摄像头匹配，在实际应用中具有显著的效率和成本效益改善，实验证明该方法在 CityFlow V2 基准测试中达到了自动摄像头链接方法的最新技术水平，IDF1 得分为 61.07%。

    May, 2024

  • CityFlow：针对多目标多摄像头车辆跟踪和再识别的城市规模基准测试

    本文介绍了 CityFlow 数据集，它是一个城市级交通相机数据集，包括来自 40 个摄像头的 3 个多小时的高清视频，涵盖 10 个路口，最大距离为 2.5 公里，共包含超过 200K 个标注边界框。这个数据集为 MTMC 跟踪，MTSC 跟踪，物体检测和基于图像的车辆再识别等领域提供了前所未有的较大规模的数据支持，以促进该领域的研究。

    Mar, 2019

  • 城市级别的多摄像头车辆跟踪，由路口区域引导

    本文提出了一个基于路口区域的多目标多相机车辆跟踪框架，使用探测和车辆重新识别模型提取目标和外观特征，并提出了方向基于时间蒙版的 tracklet 过滤策略、相邻相机的子簇，通过以上技术，该方法在 2021 AI City Challenge (AICITY21) 中获得了 0.8095 的 IDF1 评分，位列第一。

    May, 2021

  • 多移动相机行人跟踪与新数据集和全局链接模型

    通过构建一个新的数据集，以及引入一个轻量级的无外貌特征全局连接模型 (Linker)，结合再识别 (Re-ID) 方法，实现了在多移动相机环境下的多目标多运动摄像头 (MTMMC) 跟踪系统的显著改进，从而推进了多移动相机的协同挖掘。

    Dec, 2023

  • GMT：一种适用于多目标多摄像头跟踪的鲁棒全局关联模型

    提出一种全局在线多目标多摄像头（MTMC）跟踪模型，解决了多目标多摄像头跟踪中第一阶段跟踪结果的依赖性和跨摄像头匹配的困难，同时通过特征提取和融合模块增强了特征表示，建立了多摄像头目标之间的相关性，取得了在 VisionTrack 数据集和其他数据集上较之前方法的显著改进。

    Jul, 2024

  • UCMCTrack: 统一相机运动补偿的多目标跟踪

    通过引入 UCMCTrack，本研究提出了一种新颖的基于运动模型的跟踪器，它能够有效地应对视频序列中的相机运动，并仅依赖于运动线索，在各种具有挑战性的数据集上取得了最先进的性能。

    Dec, 2023

  • 第八届 AI City 挑战赛

    第八届 AI 城市挑战赛聚焦计算机视觉和人工智能在零售、仓库和智能交通系统等领域的交叉应用，吸引了来自 47 个国家和地区 726 支团队的空前兴趣。其中包括多目标多摄像头人员跟踪和稠密视频字幕等关键研究方向。

    Apr, 2024

  • MTMMC：一个大规模真实世界的多模态相机跟踪基准

    我们提供了一个真实世界的大规模数据集 MTMMC，其中包括由 16 个多模态摄像机在校园和工厂两种不同环境中捕获的长时间视频序列，并涵盖各种时间、天气和季节条件。该数据集提供了一个具有挑战性的测试平台，用于研究多摄像机跟踪在多样化的真实世界复杂性下，并包括了空间对齐和时间同步的 RGB 和热像摄像机的额外输入方式，从而提高了多摄像机跟踪的准确性。MTMMC 是现有数据集的超集，有助于独立领域，如人员检测、重新识别和多目标跟踪。我们提供了关于该数据集的基线和新的学习设置，并为未来的研究设定了参考得分。数据集、模型和测试服务器将公开提供。

    Mar, 2024

  • 在线多目标跟踪分治学习

    本论文提出了一种基于在线分治跟踪器的方法，其将分配问题分为本地子问题，并通过选择和组合最佳功能来解决问题，从而增强了跟踪性能，并通过两个不同数据集上的实验验证了该方法的优越性。

    Sep, 2015

  • 可伸缩实时多摄像机车辆检测、重新识别和跟踪

    提出了一种实时的多摄像头车辆跟踪系统，能够处理低分辨率的 CCTV 视频流并在交通运输系统中得到实际应用，具有较高的准确性，在 2021 年 NVIDIA AI City 多摄像头跟踪挑战赛中表现优异。

    Apr, 2022