作者:Philipp Kohl, Andreas Specker, Arne Schumann, Jurgen Beyerer
作者单位:德国卡尔斯鲁厄 Fraunhofer IOSB,Fraunhofer Center for Machine Learning,Vision and Fusion Lab, Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology (KIT)
发布时间:2020
发布期刊/会议: CVPRW
出版商:IEEE
论文全称:The MTA Dataset for Multi-Target Multi-Camera Pedestrian Tracking by Weighted Distance Aggregation
论文地址:
CVPR 2020 Open Access Repository
数据集地址:
GitHub - schuar-iosb/mta-dataset
论文代码:
GitHub - koehlp/wda_tracker: Weighted distance aggregation multi person multi camera tracker
演示视频:
MTA Dataset Timelapse
MTA Dataset Extracted Short Part
地位:提供了一个仿真的MTMCT数据集
个人理解
- 创新点:
- 使用游戏场景和人物(GTA 5)创建了仿真 MTMCT 数据集,名为 MTA
- 为 MTA 数据集创建了一个 baseline,该baseline的流程由 ①person detection;②person re-identification;③single camera multi target tracking;④ track distance calculation;⑤track association五部分组成,
- 对于 track distance calculation(track distance 是指用于判断不同摄像头的轨迹属于同一个行人的特征),本文使用了以下距离的加权聚合:① 单摄像头时间约束(a single camera time constraint);② 有重叠相机区域的多相机时间约束(a multi camera time constraint using overlapping camera areas);③ 外观特征距离(an appearance feature distance);④ 与成对相机单应性相匹配的单应性(a homography matching with pairwise camera homographies);⑤ 基于跟踪速度和跟踪时间差的线性预测(a linear prediction based on the velocity and the time difference of tracks)
- **为什么:**现有的多目标多摄像机跟踪(MTMCT)数据集在身份数量和视频长度方面都很小,即现有MTMCT数据集都比较小。而创建新的真实世界的MTMCT数据集是困难的,因为数据集中行人的隐私必须得到保证,而且标注是非常的耗时耗力的。