業界首個實時多目標跟蹤系統開源

（圖片由AI科技大本營付費下載自視覺中國）

作者 | CV君

來源 | 我愛計算機視覺（ID：aicvml）

相對業界研究比較多的單目標跟蹤，多目標跟蹤（Multi-Object Tracking，MOT）系統在實際項目中應用場景更多。

長期以來談到此領域，大家都會推薦DeepSort算法（Simple Online and Realtime Tracking with a Deep Association Metric，2017），不過今天要刷新一下知識庫了。

今天一篇多目標跟蹤的論文Towards Real-Time Multi-Object Tracking，引起了不少人的關注，速度更快、精度更高、代碼也已經開源了，非常值得參考。作者稱，該算法是第一個實時的多目標跟蹤算法。

該文作者信息：

來自清華大學和澳大利亞國立大學。

多目標跟蹤往往採用tracking-by-detection 流程，分為用於目標定位的檢測模型和目標關聯的表觀嵌入模型，長久以來，這兩大模塊是分開的。

作者的想法就是在這兩大模塊共享特徵。

請看下圖：

（a）為經典的檢測與嵌入模塊分離的模型；

（b）為兩階段模型，嵌入部分復用檢測的特徵；

（c）為本文提出的檢測和嵌入聯合的模型。

該文使用的主要方法是，將表觀嵌入模型集成到一個單階段目標檢測模型中，如下圖：

使其在進行目標檢測預測的時候，預測head同時進行表觀嵌入，另外，因為預測head是一個多任務的模型，對各個任務Loss函數進行自適應加權。

上圖中（a）為網絡架構，（b）為預測head的詳細展示，包含分類、回歸、嵌入的三個任務，和各Loss加權示意圖。

作者在MOT-16多目標跟蹤數據集上評估了算法精度和速度，結果如下：

該文提出的算法，MOTA接近state-of-the-art，比DeepSort精度高，速度快3-4倍。以上算法評估作者是在Nvidia Titan xp GPU上運行的。

論文地址：

https://arxiv.org/pdf/1909.12605v1.pdf

開原始碼：

https://github.com/Zhongdao/Towards-Realtime-MOT

（*本文為 AI科技大本營轉載文章，轉載請聯繫原作者）

◆

◆