CORT:面向类的嵌入式系统实时跟踪技术

《IEEE Transactions on Artificial Intelligence》:CORT: Class-Oriented Real-Time Tracking for Embedded Systems

【字体: 大 中 小 】 时间:2026年01月08日 来源:IEEE Transactions on Artificial Intelligence CS6.4

编辑推荐:

  本文提出一种基于类的多目标跟踪方法,通过将 Hungarian 关联矩阵按类别分割并仅在必要时启用二次重识别,结合多核并行计算,在保持跟踪精度的同时显著降低执行时间,复杂城市场景实验验证了其有效性优于现有方法。

  
影响声明:
所提出的基于类的解决方案有助于控制跟踪流程的执行时间,同时不会对性能产生负面影响。实际上,关联问题可以通过...显示更多

摘要:

人工智能在自主系统的视觉感知任务中的广泛应用极大地推动了多目标跟踪技术的发展,这一技术是许多实时应用(如自动驾驶、监控无人机和机器人技术)中的关键功能,用于定位并跟踪摄像机前移动的多个对象。目前的跟踪算法大多采用复杂的启发式方法和重新识别模型来提高跟踪精度并减少识别切换的次数,但并未特别关注时间性能;而其他方法则通过省略重新识别阶段来缩短响应时间,但这会降低跟踪精度。本文提出了一种新的多类目标跟踪方法,能够在不牺牲跟踪性能的前提下,实现更短且更可预测的执行时间。该方法通过按类别划分匈牙利关联矩阵,将预测与检测的匹配问题分解为多个子问题,并仅在必要时才触发第二次重新识别阶段,从而减少处理元素的数量。将匹配问题分解为多个子问题还可以实现匈牙利算法的并行化处理,进一步降低多核处理平台上的执行时间。该解决方案在包含不同类型对象(如汽车、公交车和摩托车)以及不同数量实例的复杂城市场景中进行了测试,结果表明,与传统跟踪算法相比,这种多类方法能够在不降低性能的情况下有效缩短执行时间。

引言

目标跟踪是一种计算机视觉任务,用于在视频序列中定位对象并生成它们的轨迹,同时为每个对象分配一个边界框和唯一的标识符。该技术应用于多个领域,包括监控、自动驾驶、机器人技术、视频分析和增强现实。在自动驾驶中,目标跟踪对于实时检测和监控行人、车辆等动态对象至关重要,能够为复杂场景中的安全导航提供可靠、连续的对象信息。在监控系统中,跟踪系统能够检测异常行为,这对于识别拥挤或高流量环境中的安全隐患非常重要。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号