تحسين التتبع الزمني المتعدد الكاميرات للأشخاص من خلال التحسين الذاتي للClusters

في الآونة الأخيرة، شهدت أبحاث التتبع متعدد الكاميرات للأشخاص (MCPT) تطورًا كبيرًا. يُعد التتبع متعدد الكاميرات للأشخاص أكثر تعقيدًا مقارنة بالتتبع متعدد الأجسام باستخدام كاميرا واحدة، مما دفع العديد من الدراسات الحالية إلى معالجة هذه التحديات باستخدام الأساليب غير الزمنية (offline). ومع ذلك، فإن الأساليب غير الزمنية تقتصر على تحليل مقاطع الفيديو المسجلة مسبقًا، ما يجعلها أقل فعالية من حيث التطبيق العملي في الصناعات الحقيقية مقارنة بالأساليب الزمنية (online). ولهذا السبب، ركّزنا على معالجة المشكلات الرئيسية التي تنشأ عند استخدام النهج الزمني. وبشكل خاص، قمنا بطرح وحدة التحسين الذاتي للتحصين (Cluster Self-Refinement module) لمعالجة المشكلات التي قد تؤثر بشكل حاسم على أداء التتبع الزمني متعدد الكاميرات للأشخاص، مثل تخزين سمات ظاهرية غير دقيقة أو ذات جودة منخفضة، أو حالات تعيين هوية متعددة لنفس الشخص. وقد حققنا المركز الثالث في مسابقة AI City Challenge 2024، الدور 1، بتحصيل درجة HOTA قدرها 60.9261٪، ويجدر بالإشارة إلى أن الكود المصدري متاح عبر الرابط التالي: https://github.com/ nota-github/AIC2024_Track1_Nota.