Trajectory Factory: Deep Siamese Bi-GRU를 이용한 다중 객체 추적을 위한 Tracklet 분리 및 재연결

다중 객체 추적(Multi-Object Tracking, MOT)은 감시 및 자율 주행과 같은 복잡한 환경에서 어려운 과제입니다. 본 논문에서는 군중이나 장기적인 가림 현상에서 트랙렛(tracklet)을 분리하고 재연결하기 위해 시아메즈 Bi-게이트 순환 유닛(Siamese Bi-Gated Recurrent Unit, GRU)을 활용하는 새로운 트랙렛 처리 방법을 제안합니다. 트랙렛 생성은 CNN과 RNN으로 추출된 객체 특성을 이용하여 희소 상황에서 고신뢰도의 트랙렛 후보를 생성합니다. 생성 과정에서 잘못 추적되는 문제로 인해 서로 다른 객체들의 트랙렛이 양방향 GRU를 통해 여러 하위 트랙렛(sub-tracklet)으로 나뉩니다. 그 다음, 시아메즈 GRU 기반의 트랙렛 재연결 방법이 적용되어 동일한 객체에 속하는 하위 트랙렛들을 연결하여 전체 궤적을 형성합니다. 또한, 기존의 MOT 데이터셋에서 트랙렛 이미지를 추출하고, 우리 네트워크를 훈련시키기 위한 새로운 데이터셋을 제안합니다. 제안된 데이터셋은 95,160개 이상의 보행자 이미지를 포함하며, 793명의 서로 다른 개인이 포함되어 있습니다. 평균적으로 각 개인당 위치와 크기 정보가 있는 120장의 이미지가 있습니다. 실험 결과는 MOT16에서 최신 방법론들보다 우리 모델의 우수성을 입증합니다.