多目標跟蹤 綜述(三)
多目標跟蹤常用的數據集：
1477969643722.jpg
公開代碼的方法：
1477969661474.jpg
還是公用的數據集比較好，這樣可以直接對比別人的實驗結果，不用自己重復實驗了。
Future directions
MOT with video adaptation. 大多數基於檢測的MOT方法，往往適用范圍依賴於離線學習獲得的檢測器，所以找到一個通用性更好，即適用於任何數據，的MOT方法是一個研究熱點。
Balance between crowd density and completeness of objection representation. 往往在密集環境中目標都很小，以至於傳統的表觀表示方法鑒別能力很弱，如何才能找到一個對於小目標物體依然具有較強鑒別能力的表示方法仍是個研究方向。
MOT under multiple cameras. 多視角的數據能夠恢復立體視覺，更加符合生物視覺，我更喜歡這個方向，一定可以挖到點什么東西。
Multiple 3D object tracking. 3D目標追蹤，這個和3還是不一樣的，多目視覺能構建3D環境，但構建不了3D目標
MOT with scene understanding. 結合場景理解的目標跟蹤問題，比如場景的語義信息。
MOT with other computer vision tasks. 多個視覺任務相互結合，相輔相成。比如步態識別，姿勢識別和目標跟蹤放在一起處理，信息共享，效果可能也不錯。
個人覺得吧，人類對於多目標跟蹤處理的就很不錯，先別說機器超過人類，如果能保證機器具有和人類相同的處理機制，憑借其運算的精確性，結果就會比人類好。所以我更傾向於雙目視覺和結合場景理解的MOT方法，另外，人類在處理多個目標跟蹤時好像並不是同時的，應該類似於時間片的方式，我覺得也是值得借鑒的。