Suivi en temps réel de plusieurs personnes avec sélection de candidats apprise en profondeur et réidentification de personnes

Le suivi en ligne de plusieurs objets est un problème fondamental dans les applications d'analyse vidéo nécessitant une réactivité temporelle critique. Un défi majeur du cadre populaire de suivi par détection est de savoir comment associer des résultats de détection peu fiables aux trajectoires existantes. Dans cet article, nous proposons de gérer les détections peu fiables en collectant des candidats à partir des sorties tant de la détection que du suivi. L'intuition derrière la génération de candidats redondants est que la détection et le suivi peuvent se compléter dans différentes situations. Les résultats de détection à haute confiance empêchent les écarts de suivi sur le long terme, tandis que les prédictions des trajectoires peuvent gérer les détections bruyantes causées par l'occlusion. Pour appliquer une sélection optimale parmi un nombre considérable de candidats en temps réel, nous présentons une nouvelle fonction de notation basée sur un réseau neuronal convolutif entièrement convolutionnel, qui partage la plupart des calculs sur l'image entière. De plus, nous utilisons une représentation d'apparence profondément apprise, formée sur des jeux de données à grande échelle pour la ré-identification des personnes, afin d'améliorer la capacité d'identification de notre traceur. Des expériences approfondies montrent que notre traceur atteint des performances en temps réel et à l'état de l'art sur un benchmark largement utilisé pour le suivi des personnes.