Vehicle Re-Identification and Multi-Camera Tracking in Challenging City-Scale Environment

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F19%3APU135361" target="_blank" >RIV/00216305:26230/19:PU135361 - isvavai.cz</a>

Výsledek na webu

<a href="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" target="_blank" >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</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Vehicle Re-Identification and Multi-Camera Tracking in Challenging City-Scale Environment

Popis výsledku v původním jazyce

In our submission to the NVIDIA AI City Challenge, we address vehicle re-identification and vehicle multi-camera tracking. Our approach to vehicle re-identification is based on the extraction of visual features and aggregation of these features in the temporal domain to obtain a single feature descriptor for the whole observed track. For multi-camera tracking, we proposed a method for matching vehicles by the position of trajectory points in real-world space (linear coordinate system). Furthermore, we use CNN for the vehicle re-identification task to filter out false matches generated by proposed positional matching method for better results.

Název v anglickém jazyce

Vehicle Re-Identification and Multi-Camera Tracking in Challenging City-Scale Environment

Popis výsledku anglicky

In our submission to the NVIDIA AI City Challenge, we address vehicle re-identification and vehicle multi-camera tracking. Our approach to vehicle re-identification is based on the extraction of visual features and aggregation of these features in the temporal domain to obtain a single feature descriptor for the whole observed track. For multi-camera tracking, we proposed a method for matching vehicles by the position of trajectory points in real-world space (linear coordinate system). Furthermore, we use CNN for the vehicle re-identification task to filter out false matches generated by proposed positional matching method for better results.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)

ISBN

—

ISSN

2160-7516

e-ISSN

—

Počet stran výsledku

9

Strana od-do

150-158

Název nakladatele

IEEE Computer Society

Místo vydání

Long Beach

Místo konání akce

Long Beach, California

Datum konání akce

16. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—