Detail publikace
Vehicle Re-Identification and Multi-Camera Tracking in Challenging City-Scale Environment
Bartl Vojtěch, Ing., Ph.D. (UPGM)
Juránek Roman, Ing., Ph.D. (UPGM)
Herout Adam, prof. Ing., Ph.D. (UPGM)
vehicle re-identification, vehicle multi-camera tracking, city-scale environment, camera calibration, neural networks, nvidia ai city challenge
V našem příspěvku do NVIDIA AI City Challenge se zabýváme re-identifikací vozidla a sledováním více kamer ve vozidle. Náš přístup k opětovné identifikaci vozidla je založen na extrakci vizuálních prvků a agregaci těchto prvků v časové oblasti, abychom získali jediný deskriptor prvku pro celou sledovanou stopu. Pro vícekamerové sledování jsme navrhli metodu přizpůsobení vozidel poloze trajektorie v reálném prostoru (lineární souřadnicový systém). Dále používáme CNN pro úlohu opětovné identifikace vozidla k odfiltrování falešných shod generovaných navrženou metodou pozičního porovnávání pro dosažení lepších výsledků.
@inproceedings{BUT162081,
author="Jakub {Špaňhel} and Vojtěch {Bartl} and Roman {Juránek} and Adam {Herout}",
title="Vehicle Re-Identification and Multi-Camera Tracking in Challenging City-Scale Environment",
booktitle="2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)",
year="2019",
series="IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops",
volume="2019",
number="1",
pages="150--158",
publisher="IEEE Computer Society",
address="Long Beach",
issn="2160-7516",
url="http://openaccess.thecvf.com/content_CVPRW_2019/html/AI_City/Spanhel_Vehicle_Re-Identifiation_and_Multi-Camera_Tracking_in_Challenging_City-Scale_Environment_CVPRW_2019_paper.html"
}