A Design Approach for Efficient Inter-Camera Vehicle Tracking

Avec l'avènement de l'apprentissage en profondeur et de la vision par ordinateur, de nombreuses recherches ont été menées sur le développement de systèmes de transport intelligents efficaces. De plus, le suivi et la réidentification des véhicules à travers un réseau de caméras sont parmi les problèmes les plus attrayants de la conception de systèmes de gestion du trafic. Les algorithmes d'apprentissage profond assisté par modèle sont normalement utilisés pour s'attaquer à ces tâches. D'autre part, atteindre l'efficacité de ces algorithmes est la limite de leur utilisation dans les applications du monde réel. Ce travail se concentre sur la présentation d'un traqueur inter-caméras (TIC) efficace en temps réel de véhicules qui est applicable en milieu urbain avec diverses structures de route et de chemin. La méthode que nous proposons utilise des caractéristiques d'apparence ainsi que des informations spatio-temporelles pour associer des trajectoires à travers plusieurs caméras. Pour ce faire, un modèle basé sur des réseaux de neurones convolutionnels est utilisé pour créer les descripteurs basés sur l'apparence des trajectoires. De plus, pour faire correspondre les trajectoires des candidats, des modèles de liaison de caméra basés sur la trajectoire sont définis et utilisés pour leur appliquer les contraintes spatio-temporelles. Ainsi, en appliquant ces contraintes, le nombre de paires de trajectoires appariables potentielles est considérablement réduit puis la matrice de distance est calculée pour les paires restantes. Ces distances sont calculées sur la base des descripteurs d'apparence de trajectoire et les trajectoires avec la plus petite distance sont appariées à l'aide d'un algorithme de recherche gourmand. Par conséquent, la trajectoire complète de chaque véhicule à travers le réseau de caméras est construite et attribuée à un identifiant global unique. Nous utilisons un ensemble de deux modèles basés sur ResNet pré-formés qui sont améliorés pour extraire les caractéristiques de trajectoire. En conséquence, les trajectoires sont décrites par des caractéristiques d'apparence plus discriminantes, ce qui conduit à une amélioration de l'efficacité des TIC.

Abstract

With the advent of deep learning and computer vision, there has been tremendous research on developing efficient intelligent transportation systems. Moreover, Vehicle tracking and re-identification across a network of cameras are among the most appealing problems of designing traffic management systems. Model-aided deep learning algorithms are normallyused to tackle these tasks. On the other hand, the efficiency of these algorithms is the bottleneck for using them in the real-world application. This work focuses on presenting an efficient real-time Inter-Camera Tracker (ICT) of vehicles that is applicable in urban settings with various road and path structures.Our proposed method uses appearance features as well as spatial-temporal information to associate trajectories across multiple cameras. To accomplish that, a model based on convolutional neural networks is utilized to create the appearance-based descriptors of the trajectories. Furthermore, for matching the candidates' trajectories, trajectory-based camera link models are defined and used to apply the spatial-temporal constraints on them. Thus, by applying these constraints, the number of potential matchable trajectory pairs are reduced substantially and then the distance matrix is calculated for the remaining pairs. These distances are calculated based on the trajectory appearance descriptors and the trajectories with the smallest distance are matched using a greedy search algorithm. Therefore, the complete trajectory of each vehicle across the cameras' network is constructed and assigned to a unique global ID. We use an ensemble of two pre-trained ResNet-based models that are improved to extract the trajectory features. As a result, the trajectories are described by more discriminating appearance features which leads to improvement of ICT effectiveness.