【综述】深度学习在视频多目标跟踪上的应用

【导读】多目标跟踪(MOT)问题是在一个序列中跟踪不同目标的轨迹，通常是一个视频。本文对采用深度学习模型解决单摄像机视频MOT任务的作品进行了全面的综述。在MOT算法中确定了四个主要步骤，并对每个阶段中如何使用深度学习进行了深入的回顾。本文还对三种MOT Challenge数据集上的研究工作进行了完整的实验比较，找出了一些性能最好的方法之间的相似之处，并提出了一些可能的未来研究方向。

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MOT” 就可以获取《深度学习在视频多目标跟踪上的应用》综述文章下载链接~

【简介】

多目标跟踪(MOT)是一个计算机视觉任务,旨在分析视频以识别和跟踪对象属于一个或多个类别,如行人、汽车、动物和无生命的物体,没有任何关于目标的先验知识。与对象检测算法不同的是，MOT算法的输出是由坐标、高度和宽度标识的矩形边框集合，它还将目标ID关联到每个框(称为检测)，以便区分类内对象。下图显示了MOT算法的输出示例。MOT任务在计算机视觉中扮演着重要的角色:从视频监控到自动驾驶汽车，从动作识别到人群行为分析。

【部分文章】

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！560+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程