論文の概要: Multi-Target Multi-Camera Tracking of Vehicles using Metadata-Aided
Re-ID and Trajectory-Based Camera Link Model
- arxiv url: http://arxiv.org/abs/2105.01213v1
- Date: Mon, 3 May 2021 23:20:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 12:59:31.860677
- Title: Multi-Target Multi-Camera Tracking of Vehicles using Metadata-Aided
Re-ID and Trajectory-Based Camera Link Model
- Title（参考訳）: メタデータ支援型Re-IDとトラジェクトリベースカメラリンクモデルを用いた車両のマルチターゲットマルチカメラ追跡
- Authors: Hung-Min Hsu, Jiarui Cai, Yizhou Wang, Jenq-Neng Hwang, Kwang-Ju Kim
- Abstract要約: メタデータ支援再識別(MA-ReID)とトラジェクトリベースカメラリンクモデル(TCLM)に基づく車両のマルチターゲットマルチカメラ追跡のための新しいフレームワークを提案する。
提案手法はcityflowデータセット上で評価され,idf176.77%となり,最先端mtmct法を上回った。
- 参考スコア（独自算出の注目度）: 32.01329933787149
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a novel framework for multi-target multi-camera
tracking (MTMCT) of vehicles based on metadata-aided re-identification
(MA-ReID) and the trajectory-based camera link model (TCLM). Given a video
sequence and the corresponding frame-by-frame vehicle detections, we first
address the isolated tracklets issue from single camera tracking (SCT) by the
proposed traffic-aware single-camera tracking (TSCT). Then, after automatically
constructing the TCLM, we solve MTMCT by the MA-ReID. The TCLM is generated
from camera topological configuration to obtain the spatial and temporal
information to improve the performance of MTMCT by reducing the candidate
search of ReID. We also use the temporal attention model to create more
discriminative embeddings of trajectories from each camera to achieve robust
distance measures for vehicle ReID. Moreover, we train a metadata classifier
for MTMCT to obtain the metadata feature, which is concatenated with the
temporal attention based embeddings. Finally, the TCLM and hierarchical
clustering are jointly applied for global ID assignment. The proposed method is
evaluated on the CityFlow dataset, achieving IDF1 76.77%, which outperforms the
state-of-the-art MTMCT methods.
- Abstract（参考訳）: 本稿では,メタデータ支援再識別(MA-ReID)と軌道ベースカメラリンクモデル(TCLM)に基づく車両のマルチターゲットマルチカメラトラッキング(MTMCT)のための新しいフレームワークを提案する。
ビデオシーケンスとそれに対応するフレーム・バイ・フレームの車両検出を条件として,提案したトラフィック対応シングルカメラトラッキング(TSCT)による単一カメラトラッキング(SCT)から分離されたトラックレット問題に対処する。
そして,TLMを自動構築した後,MA-ReID を用いて MTMCT を解く。
TCLMは、カメラトポロジカルな構成から生成され、空間的および時間的情報を取得し、ReIDの候補探索を低減し、MTMCTの性能を向上させる。
また、時間的注意モデルを用いて、各カメラからのトラジェクトリのより差別的な埋め込みを作成し、車載ReIDの堅牢な距離測定を行う。
さらに、MTMCTのメタデータ分類器を訓練して、時間的注意に基づく埋め込みと結合したメタデータ特徴を得る。
最後に、tlmと階層クラスタリングがグローバルid割り当てに適用される。
提案手法はcityflowデータセット上で評価され,idf176.77%となり,最先端mtmct法を上回った。
関連論文リスト
- STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。
時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。
歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。
我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
論文 参考訳（メタデータ） (2024-09-17T14:34:18Z) - Multi-target multi-camera vehicle tracking using transformer-based
camera link model and spatial-temporal information [29.34298951501007]
複数のカメラにまたがる車両の多目的マルチカメラ追跡は、スマートシティとインテリジェントな交通システムを開発する上で重要な応用である。
車両のMTMCTの主な課題は、同一車両のクラス内変動と異なる車両間のクラス間類似性である。
クロスカメラトラッキングを実現するために,空間的・時間的フィルタリングを用いたトランスフォーマーベースカメラリンクモデルを提案する。
論文 参考訳（メタデータ） (2023-01-18T22:27:08Z) - End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。
本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
論文 参考訳（メタデータ） (2022-10-26T10:19:37Z) - Semi-automatic Data Annotation System for Multi-Target Multi-Camera
Vehicle Tracking [5.479834571773961]
マルチターゲットマルチカメラトラッキング(MTMCT)は、インテリジェントビデオ分析、監視ビデオ検索、その他のアプリケーションシナリオにおいて重要な役割を果たす。
ディープラーニングベースのTMCTが主流であり、精度と効率のトラッキングに関して、素晴らしい改善が達成されている。
本稿では,実世界のTMCTデータセット構築を容易にする半自動データアノテーションシステムを提案する。
論文 参考訳（メタデータ） (2022-09-20T10:37:38Z) - Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey [71.10448142010422]
マルチオブジェクトトラッキング(MOT)は、動画フレーム全体で対象物を関連付け、移動軌道全体を取得することを目的としている。
埋め込み法はMOTにおける物体の位置推定と時間的同一性関連において重要な役割を担っている。
まず 7 つの異なる視点からMOT への埋め込み手法の奥行き解析による包括的概要を述べる。
論文 参考訳（メタデータ） (2022-05-22T06:54:33Z) - Adaptive Affinity for Associations in Multi-Target Multi-Camera Tracking [53.668757725179056]
本稿では,MTMCTにおけるアフィニティ推定を対応する対応範囲に適応させるための,単純かつ効果的な手法を提案する。
すべての外見の変化に対処する代わりに、データアソシエーション中に出現する可能性のあるものに特化したアフィニティメトリックを調整します。
ミスマッチを最小限に抑えるため、アダプティブアフィニティモジュールはグローバルなre-ID距離を大幅に改善する。
論文 参考訳（メタデータ） (2021-12-14T18:59:11Z) - Know Your Surroundings: Panoramic Multi-Object Tracking by Multimodality
Collaboration [56.01625477187448]
MMPAT(MultiModality PAnoramic Multi-object Tracking framework)を提案する。
2次元パノラマ画像と3次元点雲を入力とし、マルチモーダルデータを用いて目標軌道を推定する。
提案手法は,検出タスクと追跡タスクの両方においてMMPATが最高性能を達成するJRDBデータセット上で評価する。
論文 参考訳（メタデータ） (2021-05-31T03:16:38Z) - Online Clustering-based Multi-Camera Vehicle Tracking in Scenarios with
overlapping FOVs [2.6365690297272617]
マルチターゲットマルチカメラ(MTMC)車両追跡は,視覚的交通監視において重要な課題である。
本稿では,MTMC追跡のための新しい低遅延オンライン手法を提案する。
論文 参考訳（メタデータ） (2021-02-08T09:55:55Z) - Traffic-Aware Multi-Camera Tracking of Vehicles Based on ReID and Camera
Link Model [43.850588717944916]
MTMCT(Multi-target Multi-camera Tracking)は,スマートシティアプリケーションにおいて重要な技術である。
本稿では,車載用MTMCTフレームワークを提案する。
提案するMTMCTは,CityFlowデータセットを用いて評価し,IDF1の74.93%の新たな最先端性能を実現する。
論文 参考訳（メタデータ） (2020-08-22T08:54:47Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。