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：

• 部分原视频：

MTA Dataset Timelapse

• 带注释的部分视频：

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。