[论文解读] Trajectory Poisson multi-Bernoulli mixture filter for traffic monitoring using a drone

Ángel F. García‐Fernández, Jimin Xiao|arXiv (Cornell University)|Jun 29, 2023

Video Surveillance and Tracking Methods被引用 4

一句话总结

本文提出了一种轨迹泊松多伯努利混合（TPMBM）滤波器，用于使用配备光学和热成像相机的无人机进行交通监控中的多目标跟踪。通过将相机检测建模为遵循冯-米塞斯-费舍尔（vMF）分布的到达方向（DOA）测量值，该方法实现了对地平面车辆轨迹的精确贝叶斯估计，并通过合成数据和真实世界实验验证了其在跟踪性能上的提升。

ABSTRACT

This paper proposes a multi-object tracking (MOT) algorithm for traffic monitoring using a drone equipped with optical and thermal cameras. Object detections on the images are obtained using a neural network for each type of camera. The cameras are modelled as direction-of-arrival (DOA) sensors. Each DOA detection follows a von-Mises Fisher distribution, whose mean direction is obtain by projecting a vehicle position on the ground to the camera. We then use the trajectory Poisson multi-Bernoulli mixture filter (TPMBM), which is a Bayesian MOT algorithm, to optimally estimate the set of vehicle trajectories. We have also developed a parameter estimation algorithm for the measurement model. We have tested the accuracy of the resulting TPMBM filter in synthetic and experimental data sets.

研究动机与目标

• 开发一种用于无人机配备光学和热成像相机的交通监控的鲁棒多目标跟踪（MOT）系统。
• 解决在动态交通环境中从基于相机的检测中准确估计车辆轨迹的挑战。
• 使用冯-米塞斯-费舍尔（vMF）分布对相机检测进行建模，作为到达方向（DOA）测量值，以更好地处理方向性数据。
• 集成测量模型的参数估计算法，以提高跟踪精度。
• 在合成和真实实验数据集上验证所提出的TPMBM滤波器，证明其在真实世界交通监控中的有效性。

提出的方法

• 将相机建模为到达方向（DOA）传感器，其中每个检测对应一个从车辆地面位置投影到相机的DOA向量。
• 使用冯-米塞斯-费舍尔（vMF）分布对DOA测量值进行建模，该分布在数学上适用于方向性数据，并避免了角度环绕问题。
• 采用轨迹泊松多伯努利混合（TPMBM）滤波器作为贝叶斯框架，递归估计车辆轨迹的后验密度，结合泊松和多伯努利成分。
• 开发了一种参数估计算法，使用最大似然估计法学习关键模型参数，包括杂波强度、检测概率和vMF集中参数。
• 使用几何投影将DOA向量从相机坐标系映射到地面平面，实现在二维世界坐标系中的轨迹估计。
• 测量模型考虑了传感器几何结构，并使用雅可比矩阵或无迹变换将DOA的不确定性传播到地面平面位置。

实验结果

研究问题

• RQ1 如何有效建模光学和热成像传感器的定向检测，以实现交通监控中的多目标跟踪？
• RQ2 在无人机平台上，使用DOA测量值估计车辆轨迹的最优贝叶斯滤波框架是什么？
• RQ3 与基于高斯分布的模型相比，使用冯-米塞斯-费舍尔分布对DOA测量值建模在跟踪精度和鲁棒性方面有何优势？
• RQ4 在真实世界交通场景中，哪种参数估计策略能为测量模型提供最准确且稳定的性能？
• RQ5 所提出的TPMBM滤波器在合成和真实实验数据上与现有MOT方法相比表现如何？

主要发现

• 所提出的TPMBM滤波器结合vMF分布DOA测量值，在合成和真实世界数据集上均实现了优于基线方法的跟踪精度。
• 参数估计算法成功学习了杂波强度、检测概率和vMF集中参数，提升了模型拟合度和跟踪性能。
• 使用vMF分布对DOA建模能更好地处理角度数据，避免了角度环绕或复杂周期性校正的需要。
• 几何投影模型能准确地将DOA向量映射到地面平面位置，从而实现从二维图像检测出发的精确轨迹估计。
• TPMBM滤波器通过泊松与多伯努利成分的混合，有效处理了目标的产生、消失和数据关联，实现了鲁棒的在线跟踪。
• 实验结果表明，该滤波器在不同交通密度和传感器条件下均能保持一致的跟踪性能。