计算机视觉中的论文阅读笔记——基于高效检测器和表征特征的多目标跟踪系统

这篇笔记主要是对今年ECCV2016上的一篇论文POI:Multiple Object Tracking with High Performance Detection and Appearance Feature 进行整理。该论文的核心内容是通过在每一帧中使用检测器定位行人位置，并结合前一帧中的行人检测框表观特征进行匹配的方式实现行人的持续跟踪。其核心技术可被归类为基于检测器的跟踪算法。本文采用了深度学习方法分别用于行人检测与表观特征提取，并取得了显著的效果。研究者为其命名为POI：Person of Interest。

行人检测

一个可靠的人行检测系统在跟踪应用中起着至关重要的作用.POI中采用了Faster RCNN这一模型进行行人检测，并基于多个数据库进行训练.具体来说,该系统采用了包括ImageNet、ETHZ人行道数据集、Caltech人行道数据集以及自研数据集（约40万样本）在内的多种数据库进行训练与测试.此外,为了提升检测效果,作者引入了跳层池化技术（参考文献1）以及多区域分析方法（参考文献2）来优化行人检测算法.

一个可靠的人行检测系统在跟踪应用中起着至关重要的作用.POI中采用了Faster RCNN这一模型进行行人检测，并