Suivi de plusieurs objets à l’aide de réseaux à densité de mélange pour l’estimation de trajectoires

Le suivi d’objets multiples fait face à plusieurs défis pouvant être atténués grâce à l’information sur les trajectoires. La connaissance des positions postérieures d’un objet permet de lever les ambiguités et de résoudre des situations telles que les occlusions, la réidentification et les changements d’identité. Dans ce travail, nous montrons que l’estimation de trajectoire peut devenir un facteur clé dans le suivi, et présentons TrajE, un estimateur de trajectoire basé sur des réseaux de densité de mélange récurrents, sous la forme d’un module générique pouvant être intégré aux algorithmes de suivi d’objets existants. Pour générer plusieurs hypothèses de trajectoire, notre méthode utilise une recherche par faisceau (beam search). Par ailleurs, en s’appuyant sur la même trajectoire estimée, nous proposons une méthode de reconstruction d’une trajectoire après une occlusion. Nous avons intégré TrajE à deux algorithmes de suivi d’avant-garde, CenterTrack [63] et Tracktor [3]. Leurs performances respectives sur le jeu de test MOTChallenge 2017 s’améliorent de 6,3 et 0,3 point en score MOTA, et de 1,8 et 3,1 point en IDF1, établissant ainsi un nouveau record mondial pour la configuration CenterTrack+TrajE.