100kfps多目標追蹤器-iou-tracker

07-07

來自專欄過擬合的玄學

最近在看多目標追蹤的論文，發現MOT2017大佬們都開始發力了，海康年後再次刷榜，目前以52.2的MOTA排名第一。但是前幾名的演算法在速度上都不快，第一名的海康演算法是3.7Hz，比較難滿足使用的要求。MOT的方法中，如何將檢測和追蹤的結果整合是非常關鍵的，要在MOT中加入追蹤的信息，同時將追蹤和檢測結果整合想想還是挺費時間的。

《High-Speed Tracking-by-Detection Without Using Image Information》這篇論文可以說是獨闢蹊徑，簡單來說就是只使用了檢測結果加iou策略完成多目標追蹤的任務，思路非常簡單，所以不考慮檢測的情況下，iou策略方面的時間基本可以忽略不計。那麼具體是怎麼操作的呢？

設定閾值σl，對檢測得分小於該閾值的結果進行過濾，剩下得分高於該閾值的檢測框。對於每一幀，在當前幀的檢測框中找到和當前追蹤隊列的追蹤框中iou最大的檢測框，然後判斷該iou是否大於閾值，如果是，則將該檢測框加入，作為與之匹配的追蹤框在當前幀中的位置；否則，判斷該追蹤框在之前幀中的最大檢測得分是否大於閾值σh，且在該幀之前目標出現的幀數是否大於閾值tmin。如果是，說明是一個正常的追蹤物體，且在當前幀已經離開了屏幕，因此將該追蹤物體移出追蹤隊列。對於沒有匹配上的檢測框，認為是一個新出現的物體，作為待追蹤的物體將檢測框加入到追蹤隊列中。

這個方法優勢和劣勢都是很明顯的。這種方法最大的缺點就是過於依賴檢測的結果，沒有加入幀間的相關信息，檢測的漏檢和錯檢在策略上難以解決，會造成ID頻繁切換的問題。這種策略對於結合檢測和分割是有一定啟發的，如果再能找到高速的追蹤方法，將檢測和追蹤進行結合結果會更好。