Amélioration du suivi en temps réel de personnes à partir de plusieurs caméras par raffinement auto-référentiel de cluster

Récemment, de nombreuses recherches ont été menées sur le suivi de personnes à l’aide de plusieurs caméras (MCPT). Contrairement au suivi multi-objets à caméra unique, le MCPT soulève des défis bien plus importants, ce qui a poussé de nombreuses études existantes à recourir à des méthodes hors ligne. Toutefois, ces approches hors ligne ne peuvent traiter que des vidéos préenregistrées, ce qui limite leur application pratique dans des contextes industriels réels par rapport aux méthodes en ligne. Nous nous sommes donc concentrés sur la résolution des principaux problèmes liés à l’approche en ligne. Plus précisément, afin de surmonter des problèmes pouvant gravement affecter les performances du MCPT en ligne — tels que le stockage d’attributs d’apparence inexactes ou de faible qualité, ou encore le cas où une même personne est attribuée plusieurs identifiants — nous avons proposé un module d’auto-amélioration par regroupement (Cluster Self-Refinement). Nous avons obtenu la troisième place au défi AI City Challenge 2024, Track 1, avec un score HOTA de 60,9261 %, et le code source est disponible à l’adresse suivante : https://github.com/ nota-github/AIC2024_Track1_Nota.