Aug, 2023

FOLT: 基于光流的无人机视频快速多目标跟踪

PDF
TL;DR通过提出 FOLT 方法，本文致力于解决无人机视角下的多目标跟踪问题，通过采用现代化检测器和轻量级光流提取器，提取目标检测特征和运动特征，并利用光流增强目标检测特征，预测对象在下一帧中的位置，并通过空间匹配方案匹配检测到的对象和预测的对象，从而成功地跟踪小型、大规模且具有不规则运动的对象，在无人机多目标跟踪任务中胜过现有的最先进方法。
multiple object trackingunmanned aerial vehiclesfoltmotion featuresspatially matching scheme
发现论文，激发创造
  • FlowMOT：基于场景流的三维多目标跟踪

    本文提出了一种基于 LiDAR 的三维多目标跟踪框架 FlowMOT，该框架结合了点运动信息和传统的匹配算法，通过使用匈牙利算法生成最优匹配关系来完成跟踪任务。实验结果表明，该方法胜过最近的端到端方法，并且在各种速度场景下可以稳定地工作。

    Dec, 2020

  • 基于多帧光流追踪器的卫星视频目标追踪

    本文提出了一种新的多帧光流追踪器（MOFT）用于卫星视频中的目标跟踪，该方法融合了 Lucas-Kanade 光流方法、HSV 颜色系统和积分图像，通过对三个 VHR 遥感卫星视频数据集的实验表明，该方法比目前先进的目标跟踪算法更准确。

    Apr, 2018

  • 流动融合的多目标跟踪

    本文设计了一种名为 FFT 的端到端 DNN 跟踪方法，采用流动目标和融合目标两种有效技术，其中 FlowTracker 探索复杂的目标运动模式，而 FuseTracker 从 FlowTracker 和检测器中细化和融合目标，在多个 MOT 基准测试中均取得了最先进的结果。

    Jan, 2020

  • 基于光流的无约束场景实时移动物体检测

    该研究论文提出了一种基于光流的移动物体检测框架，利用单应性矩阵在线构建光流背景模型，并设计了一个双模式判断机制来提高系统对复杂场景的自适 应性，实验证明该方法优于现有的方法，具有适应不同场景的优势。

    Jul, 2018

  • 运动无人机中视角为中心的多目标跟踪与单应矩阵匹配

    在这篇论文中，我们针对无人机移动场景中的多目标跟踪（MOT）的挑战，提出了一个新颖的通用视角匹配多目标跟踪（HomView-MOT）框架。我们引入了快速单应矩阵估计算法（FHE）来计算视频帧之间的单应矩阵，并利用多视角单应矩阵学习跨视角的标识特征，同时使用视角匹配滤波器（HMF）将不同时刻的物体边界框映射到一个共同的视角平面上进行真实的物体重叠度关联。经过广泛的实验证明，这些创新使 HomView-MOT 在著名的无人机 MOT 数据集 VisDrone 和 UAVDT 上实现了最先进的性能。

    Mar, 2024

  • 无盲区：使用相机和激光雷达进行全方位多目标自动驾驶跟踪

    本文提出了一种多模态传感器模块化框架，用于实现在线多目标追踪，并对该方法进行了实验证明其在真实场景下对自主驾驶领域有重要的应用。

    Feb, 2018

  • MotionTrack: 基于 Transformer 的端到端多目标追踪与 LiDAR - 摄像头融合

    提出了一种基于 Transformer 的多模态传感器输入的端到端多目标跟踪算法（MotionTrack），它由基于 Transformer 的数据关联（DA）模块和基于 Transformer 的查询增强模块组成，同时实现了多目标检测（MOD）。MotionTrack 及其变体在 nuScenes 数据集上获得更好的结果（AMOTA 得分为 0.55），与 AB3DMOT、CenterTrack 和概率 3D 卡尔曼滤波器等经典基线模型相比有着更好的表现。

    Jun, 2023

  • 单运动相机飞行物体检测

    提出了一种基于回归的运动稳定方法，旨在检测被拍摄的机动飞行器在复杂背景中移动的情况，该方法在运动与外观两方面共同作用下可以对比先进技术更有效地运用时空图像块进行分类，并通过收集两个具有挑战性的数据集为飞行物体检测和视觉引导式避碰创建基准。

    Nov, 2014

  • 基于未伪造控制的身份转换检测与纠正

    本文采用无证明控制来解决多目标跟踪中的 ID 切换问题，并提出了简单有效的策略来处理外观信息的模糊匹配，实验结果表明该跟踪器在处理遮挡和快速移动引起的跟踪错误方面表现出优秀的效果和鲁棒性。

    Jul, 2023

  • MoD2T: 模型数据驱动的运动 - 静态物体跟踪方法

    MoD2T 是一种结合了传统数学建模和深度学习的多对象跟踪方法，提高了物体运动确 定性和跟踪精确度；通过 MVFI 度量标准评估效果，在多种场景下都取得了显著的成绩。

    Dec, 2023