多目标跟踪(MOT)论文随笔-POI: Multiple Object Tracking with High Performance Detection and Appearance Feature

转载请标明链接：http://www.cnblogs.com/yanwei-li/p/8683933.html

网上已有很多关于MOT的文章，此系列仅为个人阅读随笔，便于初学者的共同成长。若希望详细了解，建议阅读原文。

本文是tracking by detection 方法进行多目标跟踪的文章，最大的特点是使用了state-of-the-art的detection和feature来代替以往的方法，使用简单的匹配方法就能达到最好的水平。

论文地址：https://arxiv.org/pdf/1610.06136.pdf

Detection 以及  Appearance特征地址(Google Drive 需FQ)：https://drive.google.com/open?id=0B5ACiy41McAHMjczS2p0dFg3emM

 

文章方法：

1. Detection部分

文章针对MOT16所使用的MOTA指标中的FP与FN，使用Faster R-CNN + Skip pooling + multi-region 的方法来结合多尺度特征，从而降低FP与FN。

2. Appearance 特征部分

• 使用类似于GoogLeNet的网络来提取128维的特征，并使用cosine距离来度量表观特征（与之前SORT文章所使用的方法类似）；
• 结合Softmax和Triplet loss来训练网络。其中Softmax loss用于保证appearance特征有良好的判别性，Triplet loss用来保证同一ID内的cosine距离足够小。（这里与SORT不同的是使用了Triplet loss来减小类内的cosine距离，相当于在training过程中使得特征更加针对于MOT的任务）。

3. Online Tracker

使用Kalman滤波来预测track，使用 Kuhn-Munkres 算法来进行结合track和detection （与SORT类似，不同的是SORT使用了Hungarian算法来匹配），具体步骤见下：

• 构造相似度矩阵

计算track和detection间的关联度矩阵A^t−1 = Affinity(T^t−1,D^t)。计算时结合运动（aff_mot），形状（aff_shp），和外观（aff_app）的关联度作为最后的关联度矩阵，具体计算如下：

• 匹配track和detection

使用 Kuhn-Munkres 算法来匹配track和detection。由于KM算法是全局优化算法，在一些detection遗失时会出错。因此我们使用两步匹配的策略，首先根据阈值T_t=0.5将track分为高质量的track和低质量的track(大于阈值为高质量，小于为低质量)；然后首先匹配高质量的track和detection，再匹配前一步剩下的和低质量的track。Track的质量计算如下，其中couples(trackleti)包含了过往的所有匹配成功的track与detection的关联度：

• 具体流程

具体流程见下表，其中w₁=0.5,  w₂=1.5, w₃=1.2, τ_t=0.5, τ_a=0.4, τ_m=100。

4. Offline Tracker

Offline Tracker 是基于H2T的改进版本，主要使用了K-Dense Neighbors搜索算法，具体步骤见下：

• 使用了和Online Tracker相同的特征构建关联度矩阵。
• 文章提出两个阈值来解决motion和平滑关联性对于过大target不稳定的问题。
• 在构建关联度矩阵时放弃了高阶信息，来减少矩阵维度并提高DN搜索的效率。
• 具体步骤见下，由于主要着眼于Online Track，这里就不再详细展开，感兴趣的读者可以参考原文及其给出的参考文献。

文章结果

文章结果见下表，文章结果还是很不错的，在当时也达到了SOTA。不过相比于之前文章分析的SORT(60Hz)以及Deep SORT(40Hz)，此方法(10Hz)在实时性方面还是有比较大的差距。个人认为主要是由于检测部分以及用于提取appearance特征的GoogLeNet计算量较大所导致的，这个网络结构换为轻量级的网络即可，在此就不再赘述。