elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

AerialMPTNet: Multi-Pedestrian Tracking in Aerial Imagery Using Temporal and Graphical Features

Kraus, Maximilian und Azimi, Seyedmajid und Ercelik, Emec und Bahmanyar, Reza und Reinartz, Peter und Knoll, Alois (2021) AerialMPTNet: Multi-Pedestrian Tracking in Aerial Imagery Using Temporal and Graphical Features. In: 25th International Conference on Pattern Recognition, ICPR 2020, Seiten 2454-2461. ICPR 2020, 2021-01-10 - 2021-01-15, Milan, Italy. doi: 10.1109/ICPR48806.2021.9413031. ISBN 978-1-7281-8808-9. ISSN 1051-4651.

[img] PDF
10MB

Offizielle URL: https://ieeexplore.ieee.org/document/9413031

Kurzfassung

Multi-pedestrian tracking in aerial imagery has several applications such as large-scale event monitoring, disaster management, search-and-rescue missions, and as input into predictive crowd dynamic models. Due to the challenges such as the large number and the tiny size of the pedestrians (e.g., 4×4 pixels) with their similar appearances as well as different scales and atmospheric conditions of the images with their extremely low frame rates (e.g., 2 fps), current state-of-the-art algorithms including the deep learning-based ones are unable to perform well. In this paper, we propose AerialMPTNet, a novel approach for multi-pedestrian tracking in geo-referenced aerial imagery by fusing appearance features from a Siamese Neural Network, movement predictions from a Long Short-Term Memory, and pedestrian interconnections from a GraphCNN. In addition, to address the lack of diverse aerial pedestrian tracking datasets, we introduce the Aerial Multi-Pedestrian Tracking (AerialMPT) dataset consisting of 307 frames and 44,740 pedestrians annotated. We believe that AerialMPT is the largest and most diverse dataset to this date and will be released publicly. We evaluate AerialMPTNet on AerialMPT and KIT AIS, and benchmark with several state-of-the-art tracking methods. Results indicate that AerialMPTNet significantly outperforms other methods on accuracy and time-efficiency.

elib-URL des Eintrags:https://elib.dlr.de/136057/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:AerialMPTNet: Multi-Pedestrian Tracking in Aerial Imagery Using Temporal and Graphical Features
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Kraus, Maximilianmaximilian.kraus (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Azimi, SeyedmajidSeyedmajid.Azimi (at) dlr.dehttps://orcid.org/0000-0002-6084-2272NICHT SPEZIFIZIERT
Ercelik, Emecemec.ercelik (at) tum.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bahmanyar, Rezareza.bahmanyar (at) dlr.dehttps://orcid.org/0000-0002-6999-714XNICHT SPEZIFIZIERT
Reinartz, Peterpeter.reinartz (at) dlr.dehttps://orcid.org/0000-0002-8122-1475NICHT SPEZIFIZIERT
Knoll, Aloisalois.knoll (at) tum.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Januar 2021
Erschienen in:25th International Conference on Pattern Recognition, ICPR 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/ICPR48806.2021.9413031
Seitenbereich:Seiten 2454-2461
ISSN:1051-4651
ISBN:978-1-7281-8808-9
Status:veröffentlicht
Stichwörter:Aerial Imagery; Deep Neural Networks; Pedestrian Tracking; Vehicle Tracking
Veranstaltungstitel:ICPR 2020
Veranstaltungsort:Milan, Italy
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:10 Januar 2021
Veranstaltungsende:15 Januar 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - NGC KoFiF (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Bahmanyar, Gholamreza
Hinterlegt am:24 Sep 2020 11:30
Letzte Änderung:05 Jun 2024 12:46

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.