論文の概要: Online and Real-Time Tracking in a Surveillance Scenario
- arxiv url: http://arxiv.org/abs/2106.01153v1
- Date: Wed, 2 Jun 2021 13:43:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-03 14:41:53.997641
- Title: Online and Real-Time Tracking in a Surveillance Scenario
- Title（参考訳）: 監視シナリオにおけるオンラインおよびリアルタイム追跡
- Authors: Oliver Urbann, Oliver Bredtmann, Maximilian Otten, Jan-Philip Richter,
Thilo Bauer, David Zibriczky
- Abstract要約: 提案手法はMultiple Object Tracking Benchmark 20 (MOT20)上でリアルタイムに動作可能であることを示す。
検出から指紋を生成するために、リニアランタイムのために再構成された高速なシームズネットワークに寄与することにより、これを実現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an approach for tracking in a surveillance scenario.
Typical aspects for this scenario are a 24/7 operation with a static camera
mounted above the height of a human with many objects or people. The Multiple
Object Tracking Benchmark 20 (MOT20) reflects this scenario best. We can show
that our approach is real-time capable on this benchmark and outperforms all
other real-time capable approaches in HOTA, MOTA, and IDF1. We achieve this by
contributing a fast Siamese network reformulated for linear runtime (instead of
quadratic) to generate fingerprints from detections. Thus, it is possible to
associate the detections to Kalman filters based on multiple tracking specific
ratings: Cosine similarity of fingerprints, Intersection over Union, and pixel
distance ratio in the image.
- Abstract（参考訳）: 本稿では,監視シナリオにおける追跡手法を提案する。
このシナリオの典型的な側面は24/7の動作で、多数の物体や人物を持つ人間の高さの上に静的カメラが取り付けられている。
Multiple Object Tracking Benchmark 20 (MOT20)はこのシナリオを最もよく反映している。
このベンチマークでは,我々のアプローチがリアルタイムに実現可能であることを示すことができ,HOTA,MOTA,IFF1の他のリアルタイム能力を持つアプローチよりも優れています。
我々は,線形実行時(二次的ではなく)に修正された高速シャムネットワークを用いて,検出から指紋を生成することで,これを実現する。
これにより、指紋のコサイン類似性、結合点の交叉、画像の画素距離比など、複数の追跡特定格付けに基づいてカルマンフィルタに検出を関連付けることができる。
関連論文リスト
- Spatial-Temporal Multi-Cuts for Online Multiple-Camera Vehicle Tracking [5.679775668038154]
本稿では,一段階の時空間クラスタリングが可能なグラフ表現を提案する。
本手法は,クラスタ内の全ての検出点の粗い外観と位置の手がかりを保ちながら,最強の証拠に基づいてクラスタを比較することができる。
本手法では,対象シーンのトレーニング,シングルカメラトラックの事前抽出,アノテーションの追加は不要である。
論文 参考訳（メタデータ） (2024-10-03T16:23:33Z) - YOLORe-IDNet: An Efficient Multi-Camera System for Person-Tracking [2.5761958263376745]
本稿では、相関フィルタとIOU(Intersection Over Union)の制約を併用して、ロバストなトラッキングを行う人物追跡システムを提案する。
提案システムは,複数のカメラでリアルタイムで容疑者を特定し,追跡する。
計算効率が高く、79%のF1スコア、既存の最先端アルゴリズムに匹敵する59%のIOUを実現している。
論文 参考訳（メタデータ） (2023-09-23T14:11:13Z) - TAPIR: Tracking Any Point with per-frame Initialization and temporal
Refinement [64.11385310305612]
本稿では,ビデオシーケンスを通して任意の物理面上の問合せ点を効果的に追跡する,TAP(Tracking Any Point)の新しいモデルを提案する。
提案手法では,(1)他のフレームの問合せ点に対する適切な候補点マッチングを独立に特定するマッチング段階と,(2)局所的相関に基づいてトラジェクトリと問合せの両方を更新する改良段階の2段階を用いる。
結果として得られたモデルは、DAVISにおける平均約20%の絶対平均ジャカード(AJ)改善によって示されるように、TAP-Vidベンチマークにおける大きなマージンで、すべてのベースライン手法を上回ります。
論文 参考訳（メタデータ） (2023-06-14T17:07:51Z) - Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and
Spatio-Temporal Consistency ID Re-Assignment [22.531044994763487]
本稿では,アンカークラスタリング誘導を用いたマルチカメラによる複数人物追跡手法を提案する。
提案手法は,各個人固有の重要な特徴を特定することによって,トラッキングの精度を向上させることを目的としている。
この手法は, 合成データと実世界のデータの両方を扱う上で, 堅牢性と有効性を示した。
論文 参考訳（メタデータ） (2023-04-19T07:38:15Z) - Tracking Passengers and Baggage Items using Multiple Overhead Cameras at
Security Checkpoints [2.021502591596062]
空港の検問所のセキュリティシナリオのために,オーバーヘッドカメラビデオ中の複数のオブジェクトを追跡する新しいフレームワークを提案する。
オーバヘッド画像からのインスタンスセグメンテーションの不確実性に関するモデル情報を提供するために,自己監視学習(SSL)手法を提案する。
この結果から,自己超越はモデルの推定時間を増大させることなく,オブジェクト検出精度を最大42%向上させることがわかった。
論文 参考訳（メタデータ） (2022-12-31T12:57:09Z) - Multi-view Tracking Using Weakly Supervised Human Motion Prediction [60.972708589814125]
さらに効果的なアプローチは、時間とともに人々の動きを予測し、それらから個々のフレームにおける人々の存在を推定することである、と我々は主張する。
これにより、時間とともに、また1つの時間フレームのビューにわたって一貫性を強制できる。
PETS2009およびWILDTRACKデータセットに対する我々のアプローチを検証するとともに、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-10-19T17:58:23Z) - Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。
本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。
本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
論文 参考訳（メタデータ） (2022-04-27T13:10:48Z) - SurroundDepth: Entangling Surrounding Views for Self-Supervised
Multi-Camera Depth Estimation [101.55622133406446]
本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。
具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。
実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2022-04-07T17:58:47Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z) - Fast Video Object Segmentation With Temporal Aggregation Network and
Dynamic Template Matching [67.02962970820505]
ビデオオブジェクト(VOS)に「トラッキング・バイ・検出」を導入する。
本稿では,時間的アグリゲーションネットワークと動的時間進化テンプレートマッチング機構を提案する。
我々は,DAVISベンチマークで1フレームあたり0.14秒,J&Fで75.9%の速度で,複雑なベルとホイッスルを伴わずに,新しい最先端性能を実現する。
論文 参考訳（メタデータ） (2020-07-11T05:44:16Z)
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。