机构名称：
¥ 1.0
计算机视觉中视觉对象跟踪任务的进步使其在视频监控中的应用价值不断增长，特别是在交通场景中。近年来，人们非常关注多对象跟踪框架的改进，使其在保持准确性和通用性的同时实时有效。通过分解基于跟踪检测方法的多对象跟踪框架中涉及的任务（简单检测和识别对象的扩展），进一步涉及通过定义相似性函数来关联对象来解决过滤问题。因此，本文仅关注通过唯一定义的相似性函数和过滤器进行数据关联的任务，其中我们回顾了有关这些技术的当前文献，这些技术已用于提高车辆和行人场景的 MOT 性能。虽然仅在拟议的 MOT 框架内对关联任务的定量结果进行分类很困难，但我们的研究试图概述研究人员提出的基本思想，并以理论上的定性方法比较结果。跟踪方法按基于概率和分层方法等传统技术的类别进行审查，然后分析新方法和混合模型。对每个类别中确定的模型根据稳定性、准确性、稳健性、速度和计算复杂度等方面的性能进行进一步分析
多对象跟踪中的数据关联
主要关键词
相关文件推荐
