تتبع الكائنات المتعددة باستخدام شبكات الكثافة المختلطة لتقدير المسار

تواجه تتبع الكائنات المتعددة عدة تحديات قد تُخفّض بفضل معلومات المسار. فمعرفة المواقع اللاحقة للكائن تساعد في تفادي التباسات وحل حالات مثل التغطية (الإغلاق)، وإعادة التعرف، وتغيير الهوية. في هذه الدراسة، نُظهر أن تقدير المسار يمكن أن يصبح عاملاً محورياً في تتبع الكائنات، ونقدّم "TrajE"، وهو مُقدّر مسار مبني على شبكات كثافة التوزيع المتكررة (Recurrent Mixture Density Networks)، كوحدة عامة يمكن إضافتها إلى مُتتبعات الكائنات الحالية. ولتقديم عدة احتمالات للمسار، تستخدم طريقة لدينا خوارزمية البحث بالشريط (Beam Search). بالإضافة إلى ذلك، وباعتماد نفس المسار المُقدّر، نقترح إعادة بناء المسار بعد حدوث تغطية. وقد قمنا بدمج TrajE في خوارزميتين من أحدث خوارزميات التتبع، وهما CenterTrack [63] وTracktor [3]. وقد أدى ذلك إلى تحسين أداء كلتا الخوارزميتين في مجموعة اختبار MOTChallenge 2017 بنسبة 6.3 و0.3 نقاط في مؤشر MOTA، وبنسبة 1.8 و3.1 في مؤشر IDF1، مما يُسجّل حالة جديدة من أفضل الأداء في التكوين المدمج CenterTrack+TrajE.