基于观测与关系记忆的在线猪追踪方法ORAT

《Sensors》：ORAT: Detector-Side Identity and Observation Relations for Online Multi-Pig Tracking

　　

摘要

相似的外观、频繁的接触和遮挡使得可靠的猪关联需要当前和过去的外观线索。外部重识别（ReID）需要额外的前向传播来提取外观，而存储外观历史的程度和使用方式会影响准确性和计算成本。我们提出了 ORAT（基于观测与关系的相关性追踪器）用于在线猪追踪。边界框和身份嵌入由同一个检测器的一次前向传播中的相同查询生成，避免了单独的裁剪和 ReID 推理。每条轨迹维持累计状态和被接受的近期观测的有界内存。当前检测与存储观测之间的关系利用外观相似度和经过时间逐帧重新计算。在 PigTrack 测试上使用相同的 D-FINE-X 检测结果，基础 ORAT 实现了 88.1 的高阶追踪精度（HOTA）和 48.6 帧每秒（FPS）的服务器全流水线吞吐量。HOTA 联合评估检测和关联。在私有 Jochiwon23 视频上，在与内部模型选择分离的外部测试评估下，ORAT 在关联指标上优于 DiffMOT。通过在 SportsMOT 和 DanceTrack 上分别训练，我们将相同的架构应用于人体追踪。在跨越五个训练种子的组件实验中，添加近期内存提高了 PigTrack 和 SportsMOT 上的平均验证 HOTA。