2ヶ月前
空間時間メカニズムとアンカーフィーチャ階層クラスタリングを用いたオンラインマルチカメラ人間追跡
{Vasin Suttichaya, Worawit Saetan, Supawit Vatathanavaro, Kasisdis Mahakijdechachai, Pakcheera Choppradit, Teepakorn Tosawadi, Phawat Borisuitsawat, Ek Thamwiwatthana, Pornprom Kiawjak, Wasu Kudisthalert, Suchat Tungjitnob, Visarut Trairattanapa, Sasin Phimsiri, Riu Cherdchusakulchai}
要約
マルチカメラマルチオブジェクト追跡（MTMC）は、単一カメラ追跡に比べて、複数のカメラ視野にまたがるオブジェクトのシームレスな追跡を可能にする点で優れています。この機能は、セキュリティシステムやさまざまな環境における状況認識の向上において極めて重要です。本論文では、オンライン運用を想定した新しいMTMCフレームワークを提案します。このフレームワークは、三段階のパイプライン構成を採用しています：マルチオブジェクト追跡（MOT）、マルチターゲットマルチカメラ追跡（MTMC）、およびクロスインターバル同期（CIS）。MOT段階では、ReID特徴量が抽出され、局所的なトラックレットが生成されます。MTMC段階では、空間的・時間的制約とアンカー特徴量を用いた階層的クラスタリングを活用して、カメラ間のトラックレットを効果的に連結します。最後に、CIS段階では、時間間隔に跨るトラックレットの時間的整合性を確保します。提案するフレームワークは、難易度の高い2024 AI City Challengeにおいて、HOTAスコア51.0556％を達成し、6位の成績を収め、堅牢な追跡性能を実証しました。コードは以下のURLから公開されています：https://github.com/AI-and-Robotics-Ventures/AIC2024_Track1_ARV