研究者推出跨摄像头汽车跟踪数据集

利用交通摄像头作为传感器可以优化城市交通流量和管理城市交通事故，但现有技术缺乏大范围跟踪车辆的能力，流动的车辆往往跨越多个摄像机，分布在不同的十字路口，天气条件也各不相同。

相比于近来发展火热的行人再识别（人脸识别），车辆再识别主要面临两大挑战：一是车辆类内部的高变化性（因为不同视角的车辆变化比人更大），二是车辆不同类别之间的高相似性（因为不同汽车厂商生产的车辆模型很相近）。目前已有的车辆再识别数据集都没有提供原始视频和相机校正信息，所以无法用它们开展基于视频的跨摄像头车辆跟踪研究。

近日，华盛顿大学（西雅图）电子计算机工程学院的研究人员在论文预发布平台arXiv网站上发表的论文提出“流动之城”数据集。该数据集具有当前相关数据集中最大的空间跨度和摄像头/路口数量，包括多样的城市场景和交通流量，为城市规模的解决方案提供了平台。

“流动之城”是第一个支持（基于视频的）跨摄像头多目标车辆跟踪的数据集，提供了原始视频、相机分布及相机校正信息，分析了各种最先进算法在该数据集上的表现，比较了各种视觉和时空分析结合的算法，证明该数据集比现有其他数据集更具挑战性。

同时，“流动之城”也是目前唯一支持跨摄像头基于车辆跟踪的数据集，而且拥有目前最多的相机数量，有超过20万个目标框，并提供原始视频、相机分布和多视角分析。

研究者首先采用目前先进的目标检测和单摄像头跟踪方法得到粗略的目标轨迹，并手动修复轨迹中的错误，在此基础上进行跨摄像头间的信息标注。

同时，他们用谷歌地图的三维信息和图像上的二维投影结果进行匹配和优化，获得了较准确的单应性矩阵。他们的实验分析分为三大部分：基于图片的车辆再识别、单摄像头多目标跟踪和有时空分析结合的跨摄像头跟踪。

整个数据集包括5个不同场景和40个摄像头，视频总长度大概3小时15分钟，标注了666辆车的跨摄像头轨迹。

相关论文信息：https://arxiv.org/abs/1903.09254