《表1 MOT16数据集上的结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《神经网络在视觉多目标跟踪中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。