View-Centric Multi-Object Tracking with Homographic Matching in Moving UAV

本文探讨了在移动无人机场景下进行多目标跟踪（MOT）的挑战，其中不规则的飞行轨迹，例如悬停、左右转弯和上下移动，相较于固定相机 MOT，导致了显著的复杂性。具体而言，场景背景的变化不仅使传统的帧间对象 IOU 关联方法无效，而且还引入了物体的显著视角变化，使跟踪变得更加复杂。为了克服这些问题，我们提出了一种新颖的通用 HomView-MOT 框架，首次利用了在变化场景中固有的视角单应性来解决移动环境下的 MOT 挑战，融合了单应性匹配和视角中心概念。我们引入了一种快速单应性估计（FHE）算法，用于快速计算视频帧之间的单应性矩阵，实现对象的视角中心 ID 学习（VCIL），并利用多视角单应性学习跨视角 ID 特征。同时，我们的单应性匹配滤波器（HMF）将不同帧的物体边界框映射到一个共同的视图平面上，以获得更真实的物理 IOU 关联。广泛的实验表明，这些创新使得 HomView-MOT 在知名的 UAV MOT 数据集 VisDrone 和 UAVDT 上实现了最先进的性能。

本论文旨在解决移动无人机多目标跟踪（MOT）中的挑战，包括不规则的飞行轨迹和背景变化等问题。这是否是一个新问题？

本文提出了一种新的通用HomView-MOT框架，首次利用变化场景中固有的视角单应性来解决移动环境下的MOT挑战，包括视角匹配和视角中心概念。同时，引入了快速单应性估计算法和单应性匹配滤波器来提高跟踪效果。

本文的亮点包括：使用新的HomView-MOT框架解决了移动无人机多目标跟踪中的挑战；提出了快速单应性估计算法和单应性匹配滤波器；在VisDrone和UAVDT等数据集上进行了广泛实验，证明了本文方法的优越性。

最近在这个领域中的相关研究包括：《Multiple Object Tracking in Aerial Videos Using Motion Context and Geometric Constraints》、《A Survey of Unmanned Aerial Vehicle (UAV) Usage for Traffic Monitoring》等。