《表1 MOT16数据集上的结果对比》
由于在多目标跟踪中经常会出现长时间遮挡的情况,遮挡目标再次出现的数据关联依赖于目标较长时间之前的状态,长短时网络可以解决长期依赖问题。作者提出了基于LSTM的架构,模型如图5右图所示,主要思想是利用LSTM的时序功能预测当前时刻各个目标的分配。首先从每个训练序列中学习到轨迹模型,对每个训练样本,通过正态分布采样,产生N条轨迹。训练数据是通过由真实数据学到的生成式轨迹模型中人工采样得到。状态估计和管理的网络采用1层300个隐藏单元的RNN网络,数据关联的网络采用2层500个隐藏单元的LSTM网络。此模型在实际问题中的跟踪性能如表1所示,与上述其他模型相比,跟踪性能并不领先。但作者仅使用RNN网络对目标运动特征进行建模而没有采用通常意义上的外观特征。在后续改进中若结合目标外观特征,跟踪性能有望有非常显著的提升。
图表编号 | XD0016133600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.05 |
作者 | 冯灵芝、胡庆拥、王鲁平 |
绘制单位 | 中国电子科技集团公司第三研究所、国防科技大学电子科学学院、国防科技大学电子科学学院 |
更多格式 | 高清、无水印(增值服务) |