作者：Shuai Liu，Xin Li，Huchuan Lu，You He

作者单位：大连理工大学，彭成实验室，海军航空大学

发布时间：2022

发布期刊/会议：CVPR

出版商：IEEE

论文全称：Multi-Object Tracking Meets Moving UAV

论文地址：

论文代码：

地位：

个人理解

• 为什么：
  • 传统的多目标跟踪器由于在3D方向上移动摄像机和视图变化引起的不规则运动的挑战性因素而不能很好地应用于无人机视频
• 创新点：本文提出了一种专门用于无人机视图中多目标跟踪的 UAVMOT 网络
  • 引入了**ID特征更新模块（ID feature update module）**来增强对象的特征关联。
  • 为了更好地处理无人机视角下的复杂运动，我们开发了自适应运动滤波模块（adaptive motion filter）。
  • 采用梯度平衡focal loss （gradient balanced focal loss，GBF）来解决分类不平衡和小目标检测问题。

一、摘要

Multi-object tracking in unmanned aerial vehicle (UAV) videos is an important vision task and can be applied in a wide range of applications. However, conventional multiobject trackers do not work well on UAV videos due to the challenging factors of irregular motion caused by moving camera and view change in 3D directions. In this paper, we propose a UAVMOT network specially for multiobject tracking in UAV views. The UAVMOT introduces an ID feature update module to enhance the object’s feature association. To better handle the complex motions under UAV views, we develop an adaptive motion filter module. In addition, a gradient balanced focal loss is used to tackle the imbalance categories and small objects detection problem. Experimental results on the VisDrone2019 and UAVDT datasets demonstrate that the proposed UAVMOT achieves considerable improvement against the state-ofthe-art tracking methods on UAV videos.

• 传统的多目标跟踪器由于在3D方向上移动摄像机和视图变化引起的不规则运动的挑战性因素而不能很好地应用于无人机视频
• 本文提出了一种专门用于无人机视图中多目标跟踪的 UAVMOT 网络
  • 引入了**ID特征更新模块（ID feature update module）**来增强对象的特征关联。
  • 为了更好地处理无人机视角下的复杂运动，我们开发了自适应运动滤波模块（adaptive motion filter）。
  • 采用梯度平衡focal loss （gradient balanced focal loss）来解决分类不平衡和小目标检测问题。

二、UAVMOT