真正的天網(wǎng)：英偉達推出首個跨攝像頭汽車跟蹤數(shù)據(jù)集

城市利用交通攝像頭作為全市范圍內(nèi)的傳感器來優(yōu)化交通流量和管理交通事故潛力巨大。但現(xiàn)有技術(shù)缺乏大范圍跟蹤車輛的能力，這些車輛跨越多個攝像機，分布在不同的十字路口，天氣條件也各不相同。

要克服這一難題，必須解決三個截然不同但又密切相關(guān)的研究問題：1）單攝像頭內(nèi)目標的檢測和跟蹤，即多目標單攝像頭（MTSC）跟蹤；2）跨多攝像頭目標重識別，即 ReID；3）跨攝像頭網(wǎng)絡(luò)對目標進行檢測和跟蹤，即多目標跨攝像頭跟蹤（MTMC tracking）。MTMC 跟蹤可以看作是相機內(nèi)部 MTSC 跟蹤與基于圖像的 ReID 的結(jié)合，連接相機之間的目標軌跡。

如圖 1 所示，多目標跨攝像頭跟蹤包含三大組成部分：基于圖片的再識別、單攝像頭內(nèi)的多目標跟蹤以及攝像頭之間的時空分析。

圖 1：多目標跨攝像頭跟蹤

相比于最近發(fā)展火熱的行人再識別，車輛再識別主要面臨兩大挑戰(zhàn)：一是類內(nèi)部的高變化性（因為不同視角的車輛變化比人更大），二是類之間的高相似性（因為不同汽車廠商生產(chǎn)的車輛模型很相近）。目前已有的車輛再識別數(shù)據(jù)集（北郵的 VeRi-776、北大的 VehicleID 以及同樣來自北大的 PKU-VD）都沒有提供原始視頻和相機校正信息，所以無法用它們開展基于視頻的跨攝像頭車輛跟蹤研究。

本文作者提出的「流動之城」數(shù)據(jù)集包含高清的同步視頻，涵蓋最多的路口（10）和最大數(shù)量的攝像頭（40），收集于一個中等規(guī)模的美國城市，場景也很多樣，包括了住宅區(qū)和高速公路等等。本文的主要貢獻有以下三點：

1. 在現(xiàn)有數(shù)據(jù)集中，本數(shù)據(jù)集有最大的空間跨度和攝像頭/路口數(shù)量，包括多樣的城市場景和交通流量，為城市規(guī)模的解決方案提供了最佳平臺。

2. 「流動之城」也是第一個支持（基于視頻的）跨攝像頭多目標車輛跟蹤的數(shù)據(jù)集，提供了原始視頻、相機分布及相機校正信息，將打開一個全新研究領(lǐng)域的大門。

3. 分析了各種最先進算法在該數(shù)據(jù)集上的表現(xiàn)，比較了各種視覺和時空分析結(jié)合的算法，證明該數(shù)據(jù)集比現(xiàn)有其他數(shù)據(jù)集更具挑戰(zhàn)性。

圖 2：攝像頭空間分布示意圖。紅色箭頭表示攝像頭的位置和方向

論文：CityFlow: A City-Scale Benchmark for Multi-Target Multi-Camera Vehicle Tracking and Re-Identification

論文鏈接：https://arxiv.org/abs/1903.09254

摘要：使用交通攝像頭作為傳感器的城市交通優(yōu)化需要更強大的多目標跨攝像頭跟蹤支持。這篇論文介紹了 CityFlow（流動之城），是一個城市規(guī)模的交通攝像頭數(shù)據(jù)集，包括了從 10 個路口提取的 40 個攝像頭收集到的超過 3 個小時的同步高清視頻，兩個同步攝像頭間的最長距離是 2.5 千米。據(jù)我們所知，從空間跨度和攝像頭/視頻數(shù)量來看，「流動之城」是目前都市環(huán)境中最大規(guī)模的數(shù)據(jù)集。該數(shù)據(jù)集包含超過 20 萬個目標框，并且涵蓋了多樣的場景、視角、車輛模型和城市車流狀況。

我們提供了相機分布和校正信息來輔助時空分析。此外，我們也提供這個數(shù)據(jù)集的子集用作基于圖像的車輛再識別。我們進行了大量的實驗分析，測試了各種各樣的跨攝像頭多目標跟蹤、單攝像頭多目標跟蹤、目標檢測和再識別的基準/最先進算法，并分析了不同的網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)、時空模型和它們的結(jié)合。

該數(shù)據(jù)集和線上評估服務(wù)器都已經(jīng)在 2019 年的 AI 城市大賽發(fā)布（https://www.aicitychallenge.org/），研究者可以在服務(wù)器上測試自己的最新算法技術(shù)。我們期待這個數(shù)據(jù)集能促進該領(lǐng)域的研究，提升現(xiàn)今算法的效果，并優(yōu)化現(xiàn)實世界的交通管理。為保護隱私，數(shù)據(jù)集中的所有車牌及人臉都進行過遮擋處理。

「流動之城」與相關(guān)基準的對比

表 1：現(xiàn)有的目標再識別數(shù)據(jù)集的總結(jié)

可以看出，「流動之城」是目前唯一支持跨攝像頭基于車輛跟蹤的數(shù)據(jù)集，而且擁有目前最多的相機數(shù)量，有超過 20 萬個目標框，并提供原始視頻、相機分布和多視角分析。

「流動之城」基準數(shù)據(jù)集

整個數(shù)據(jù)集包括 5 個不同場景和 40 個攝像頭，視頻總長度大概 3 小時 15 分鐘，標注了 666 輛車的跨攝像頭軌跡。以下是這些場景的總結(jié)（部分場景攝像頭有重合）。

下圖是車輛顏色及車型的分布情況。

以下是跟蹤標注結(jié)果的示例。研究者首先采用目前先進的目標檢測和單攝像頭跟蹤方法得到粗略的目標軌跡，并手動修復(fù)軌跡中的錯誤，在此基礎(chǔ)上進行跨攝像頭間的信息標注。

同時，他們用谷歌地圖的三維信息和圖像上的二維投影結(jié)果進行匹配和優(yōu)化，獲得了較準確的單應(yīng)性矩陣，提供給參賽隊伍進行三維時空分析。

他們的實驗分析分為三大部分：基于圖片的車輛再識別、單攝像頭多目標跟蹤和有時空分析結(jié)合的跨攝像頭跟蹤。

首先是再識別的部分，研究者比較了去年 AI 城市大賽上的獲獎方法、行人再識別的目前最優(yōu)方法（整理于倫敦大學(xué)瑪麗女王學(xué)院的 deep-person-reid 項目）還有車輛再識別的最優(yōu)方法（來自英偉達內(nèi)部，剛被 IJCNN 錄用）。下面是這幾種方法的 CMC 曲線比較（包圍面積越大效果越好），可以看到行人再識別和車輛再識別的方法在該數(shù)據(jù)集上不相伯仲，但是這些方法整體的精確度還是很低的，Rank-1 的命中率只有 50% 左右，相比較下目前 VeRi 數(shù)據(jù)集上同樣方法能拿到 90% 以上的 Rank-1 命中率，這說明該數(shù)據(jù)集的挑戰(zhàn)還是很大的。

下面是這幾種方法的排名結(jié)果對比，可以看到相機的視角非常多樣，也帶來了更大的難度。

下表對比了目前比較先進的單攝像頭跟蹤算法及目標檢測方法的結(jié)合。其中 DS 代表德國科布倫茨-蘭道大學(xué)的 Deep SORT，TC 是去年 AI 城市大賽上的獲獎方法，MO 是目前 MOTChallenge（多目標跟蹤大賽）的三維跟蹤數(shù)據(jù)集上的領(lǐng)先方法 MOANA。目標檢測部分比較了 YOLO、SSD 和 Faster R-CNN。目前最好的結(jié)果來自于 TC 和 SSD 的結(jié)合。

最后，下表加入了時空分析的比較，對比跨攝像頭多目標跟蹤的最終結(jié)果。其中 PROVID 是 VeRi 數(shù)據(jù)集作者的方法。2WGMMF 是作者實驗室之前提出的方法，用高斯分布來學(xué)習(xí)攝像頭之間的時空關(guān)系。最后 FVS 還是作者去年 AI 城市大賽上獲獎方法的一部分，用手動來設(shè)定跨攝像頭間的高斯分布，所以也更加準確一些。

作者簡介

本文的第一作者湯政是華盛頓大學(xué)（西雅圖）電子計算機工程學(xué)院的博士生，預(yù)計今年 6 月畢業(yè)。作者目前在英偉達實習(xí)，畢業(yè)后將入職亞馬遜，加入無人商店「購」項目。該論文是其在英偉達實習(xí)期間的成果。

湯政在 2017 年及 2018 年兩度帶領(lǐng)自己實驗室的團隊參加英偉達主辦的 AI 城市大賽，他們的隊伍連續(xù)兩屆成為該項賽事冠軍，擊敗了包括加州大學(xué)伯克利分校、伊利諾伊大學(xué)厄巴納-香檳分校、馬里蘭大學(xué)帕克分校、北京郵電大學(xué)、國立臺灣大學(xué)等在內(nèi)的全球近 40 支隊伍，其中第二屆賽事是 CVPR 2018 的 workshop。因為團隊的出色表現(xiàn)，湯政受邀進入英偉達實習(xí)，負責(zé)協(xié)助籌辦第三屆 AI 城市大賽（同樣是今年 CVPR 2019 的 workshop）并準備基準數(shù)據(jù)集，也就是本文介紹到的「流動之城」數(shù)據(jù)集。

今年的 AI 城市大賽共有三個分賽：跨攝像頭多目標車輛跟蹤、基于圖片的車輛再識別以及交通異常檢測。目前已經(jīng)有全球超過 200 支參賽隊伍報名（合計超過 700 名參賽者），是前兩年比賽總和的四倍之多。英偉達會在今年加州長灘的 CVPR 會議上公布獲獎隊伍和頒發(fā)獎品（一臺 Quadro GV100、三臺 Titan RTX 和兩臺 Jetson AGX Xavier）。目前比賽仍然接受參賽隊伍報名和 workshop 投稿，比賽截止時間是 5 月 10 日。另外，論文的其他作者包括英偉達 AI 城市項目的 CTO - Milind Naphade、英偉達研究院的 GAN 領(lǐng)域?qū)＜?- 劉洺堉、同樣來自英偉達研究院的楊曉東（今年有三篇 CVPR oral 中稿）、英偉達雷蒙德分公司的首席研究員 - Stan Birchfield、湯政的導(dǎo)師黃正能教授等。