オンライン多重物体追跡フレームワークにおけるGMPHDフィルターと遮蔽グループ管理

本論文では、GMPHDフィルタと遮蔽グループ管理スキームを基にした効率的なオンライン多目的追跡フレームワークを提案します。ここで、GMPHDフィルタは階層的なデータ関連付けを利用し、検出の見逃しによって引き起こされる偽陰性を削減します。階層的なデータ関連付けは2つのステップで構成されています：検出-追跡と追跡-追跡の関連付けであり、これらは失われた追跡とその切り替わったIDを回復することができます。さらに、提案されたフレームワークには、遮蔽問題に対処するためのオブジェクトグループ管理スキームが装備されています。このスキームは主に2つの部分から成り立っています。第1部分は「追跡統合」であり、遮蔽によって引き起こされる偽陽性検出から生じる偽陽性の追跡を統合することができます。通常、偽陽性の追跡は測定値とともに遮蔽されます。この測定値は視覚的オブジェクト間の遮蔽比率であり、IOUメトリクスではなく我々が定義したsum-of-intersection-over-area（SIOA）を使用しています。第2部分は「遮蔽グループエネルギー最小化（OGEM）」であり、真陽性の遮蔽された追跡が誤って「追跡統合」されることを防ぎます。各遮蔽オブジェクトグループをエネルギー関数として定義し、エネルギーが最小となる最適な仮説を見つけることができます。我々は提案されたトラッカーをMOT15やMOT17などのベンチマークデータセットで評価しました。これらのデータセットは多人物追跡のために構築されています。訓練データセットでのアブレーションスタディでは、「追跡統合」と「OGEM」が互いに補完しあうだけでなく、提案された追跡方法がベースライン手法よりもパラメータに対してより堅牢な性能を持ち、より敏感でないことが示されました。また、SIOAはさまざまなサイズの偽陽性に対してIOUよりも優れた性能を発揮します。実験結果によると、提案されたトラッカーは効率的に遮蔽状況を取り扱い、最先端手法と比較して競争力のある性能を達成しています。特に、我々の方法はオンラインかつリアルタイムで実行可能な手法の中でも最高の多目的追跡精度を示しています。