要約
近年、マルチカメラ人間追跡（Multi-Camera People Tracking: MCPT）に関する研究が著しく進展している。MCPTは単一カメラでの複数対象追跡（Multi-Object Single Camera Tracking）と比較してより多くの課題を抱えており、既存の多くの研究ではオフライン手法を用いてこれらの課題に対応している。しかし、オフライン手法は事前に記録された動画のみを対象とするため、リアルな産業現場における実用性がオンライン手法に比べて低いという課題がある。そこで本研究では、オンラインアプローチを用いる際に生じる主要な問題に焦点を当て、オンラインMCPTの性能に深刻な影響を及ぼす要因——たとえば、正確でないまたは低品質な外見特徴の保存、人物に複数のIDが割り当てられる状況——を解決することを目的とした。この目的の下、クラスタ自己精練モジュール（Cluster Self-Refinement module）を提案した。本研究は2024年AI City Challenge Track 1において第3位を獲得し、HOTAスコアは60.9261%を達成した。実装コードは以下のGitHubリポジトリにて公開されている：https://github.com/nota-github/AIC2024_Track1_Nota。