IOU MOT 其一:IOU Tracker
Reference:
IOU Tracker 是 2017 年提出的一种不需要图像信息的简单高效的跟踪模型,它在 DETRAC 车辆跟踪数据集可以轻松运行到 100K fps。
它主要基于两个假设:
- 检测器对每帧要跟踪的每个物体都产生一个检测,也就是说,在检测中 没有/只有很少 的间断;
- 在连续帧中检测一个物体有高度重叠的I O U IOU I O U,这在足够高的帧率是常见情况。
文内使用的 I O U IOU I O U 测量方式:
IOU ( a , b ) = Area ( a ) ⋂ Area ( b ) Area ( a ) ⋃ Area ( b ) . \operatorname{IOU}(a, b)=\frac{\operatorname{Area}(a) \bigcap \operatorname{Area}(b)}{\text { Area }(a) \bigcup \operatorname{Area}(b)} .IOU (a ,b )=Area (a )⋃Area (b )Area (a )⋂Area (b ).
如果这两个条件都满足,跟踪将变得没那么重要,即使不使用图像信息也能够完成。
- 算法内容
文中提出的 I O U IOU I O U 跟踪器,如果满足一定的阈值 σ I O U σ_{IOU}σI O U ,它通过将最高的 I O U IOU I O U 与前一帧的最后一个检测相关联来继续跟踪。所有没有分配到现有跟踪的探测将开始一个新的跟踪。所有没有被分配的检测的跟踪将被干掉。
详细的方法描述如下图所示,其中 D f D_f D f 表示在第 f f f 帧的检测,d j d_j d j 表示在那一帧的第 j j j 个检测结果,T a T_a T a 活跃的(active)跟踪,T j T_j T j 完成的跟踪,F F F 序列中帧的个数:
流程:
- 对于当前帧,首先利用阈值σ l \sigma_l σl 进行初筛,得到输入检测集D D D;
- 对于每个活跃的跟踪,找到和它有最大I O U IOU I O U 的该帧检测框,如果该I O U IOU I O U 大于σ I O U \sigma_{IOU}σI O U ,将检测d b e s t d_{best}d b es t 加入到当前活跃跟踪t i t_i t i 中,随后将该检测框从当前帧检测集D f D_f D f 内删去;而如果最大的I O U IOU I O U 小于σ I O U \sigma_{IOU}σI O U ,这时如果该活跃跟踪的历史最高检测评分大于σ h \sigma_h σh 且跟踪的时间长度大于t m i n t_{min}t min ,则将t i t_{i}t i 加入到T f T_f T f 中,否则将从T a T_a T a 中删去T a T_a T a ;
- 对于没有匹配到的检测,将其初始化为新跟踪并添加到T a T_a T a 中;
- 在上述循环完毕后,对激活跟踪T A T_A T A 中的每个跟踪做判断,如果满足跟踪的历史最高检测评分大于σ h \sigma_h σh 且跟踪的时间长度大于t m i n t_{min}t min ,则将该跟踪t i t_i t i 加入到T f T_f T f 中。
Original: https://blog.csdn.net/qq_28087491/article/details/125935330
Author: 泠山
Title: IOU 目标跟踪其一:IOU Tracker
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/702147/
转载文章受原作者版权保护。转载请注明原作者出处!