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.