Fugu-MT 論文翻訳(概要): Object Tracking by Detection with Visual and Motion Cues

論文の概要: Object Tracking by Detection with Visual and Motion Cues

arxiv url: http://arxiv.org/abs/2101.07549v1
Date: Tue, 19 Jan 2021 10:29:16 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:20:17.787601
Title: Object Tracking by Detection with Visual and Motion Cues
Title（参考訳）: 視覚と運動の手がかりによる物体追跡
Authors: Niels Ole Salscheider
Abstract要約: 自動運転車は、カメラ画像中の物体を検出し、追跡する必要がある。本稿では,カルマンフィルタを用いた定速度運動モデルに基づく簡易オンライン追跡アルゴリズムを提案する。課題のあるBDD100データセットに対するアプローチを評価します。
参考スコア（独自算出の注目度）: 1.7818230914983044
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Self-driving cars and other autonomous vehicles need to detect and track objects in camera images. We present a simple online tracking algorithm that is based on a constant velocity motion model with a Kalman filter, and an assignment heuristic. The assignment heuristic relies on four metrics: An embedding vector that describes the appearance of objects and can be used to re-identify them, a displacement vector that describes the object movement between two consecutive video frames, the Mahalanobis distance between the Kalman filter states and the new detections, and a class distance. These metrics are combined with a linear SVM, and then the assignment problem is solved by the Hungarian algorithm. We also propose an efficient CNN architecture that estimates these metrics. Our multi-frame model accepts two consecutive video frames which are processed individually in the backbone, and then optical flow is estimated on the resulting feature maps. This allows the network heads to estimate the displacement vectors. We evaluate our approach on the challenging BDD100K tracking dataset. Our multi-frame model achieves a good MOTA value of 39.1% with low localization error of 0.206 in MOTP. Our fast single-frame model achieves an even lower localization error of 0.202 in MOTP, and a MOTA value of 36.8%.
Abstract（参考訳）: 自動運転車や他の自動運転車は、カメラ画像内の物体を検出し追跡する必要がある。本稿では,カルマンフィルタを用いた定速度運動モデルと割り当てヒューリスティックに基づく単純なオンライントラッキングアルゴリズムを提案する。割り当てヒューリスティックは、オブジェクトの出現を記述し、それらを再同定するために使用できる埋め込みベクター、2つの連続したビデオフレーム間のオブジェクト移動を記述する変位ベクター、カルマンフィルタ状態と新しい検出との間のマハラノビス距離、クラス距離の4つのメトリクスに依存している。これらのメトリクスは線形SVMと組み合わせられ、代入問題はハンガリーのアルゴリズムによって解決される。また,これらの指標を推定する効率的なCNNアーキテクチャを提案する。マルチフレームモデルは、バックボーン内で個別に処理された2つの連続したビデオフレームを受け入れ、得られた特徴マップに基づいて光フローを推定する。これにより、ネットワークヘッドは変位ベクトルを推定できる。 BDD100K追跡データセットの課題に対するアプローチを評価する。マルチフレームモデルでは,MOTP において 0.206 の低いローカライゼーション誤差で 39.1% のMOTA値が得られる。我々の高速単一フレームモデルはMOTPの0.202のローカライゼーション誤差と36.8%のMOTA値を達成する。