要約
多数の人物追跡システムは、検出に基づく追跡（tracking-by-detection）パラダイムに従って軌道を計算している。したがって、システムの性能は使用する入力検出の品質に大きく依存する。しかし、近年の著しい進展にもかかわらず、部分的遮蔽された人物の認識は依然として困難である。また、非最大抑制（non-maximum suppression, NMS）処理の際に、多くの正しい検出が誤って破棄される場合がある。したがって、追跡性能を向上させるには、粗い入力検出を補強することが必要となる。このようなタスクに適しているのは、細分化された身体関節検出であり、これは強度の高い遮蔽下にあっても人物の位置を特定可能にする。本研究では、関節検出を複数人物追跡に組み込む適切性を検討する。異なる検出タイプ間の類似性（affinity）を導入し、その性能を評価する。追跡処理は、最小コストグラフラベリング定式化に基づくニア・オンラインフレームワーク内で実行される。その結果、本フレームワークは重度の遮蔽下にある人物を回復可能であり、データ連携（data association）を効率的に解決できる。また、MOT16/17ベンチマーク上で本フレームワークの性能を評価したところ、実験結果により、最先端の性能を達成することが示された。