관찰 중심 SORT: 강건한 다객체 추적을 위한 SORT의 재고찰

다중 객체 추적(MOT)을 위한 칼만 필터(KF) 기반 방법은 객체의 운동이 선형적이라고 가정한다. 이 가정은 매우 짧은 시간 동안의 가림 현상에는 적절할 수 있지만, 장기간에 걸쳐 운동을 선형적으로 추정할 경우 오차가 매우 커질 수 있다. 또한, 칼만 필터 매개변수를 업데이트할 수 있는 측정치가 없을 경우, 일반적인 관행은 사전 상태 추정값을 신뢰하여 사후 업데이트를 수행하는 것이다. 이로 인해 가림 기간 동안 오차가 누적되며, 실제 적용에서는 운동 방향의 큰 변동성을 초래한다. 본 연구에서는 가림 기간 동안 누적된 노이즈를 적절히 보정하는 조치를 취할 경우, 기초적인 칼만 필터도 최첨단 추적 성능을 달성할 수 있음을 보여준다. 단순히 선형 상태 추정(즉, 추정 중심 접근법)에 의존하는 대신, 객체 탐지기로부터 얻은 관측값(측정값)을 활용하여 가림 기간 동안 가상의 궤적을 계산함으로써 필터 매개변수의 오차 누적을 보정한다. 이를 통해 가림 기간 동안 발생한 오차를 더 많은 시간 단계에서 보정할 수 있다. 본 연구에서 제안하는 방법을 관측 중심 SORT(OC-SORT)라 명명한다. OC-SORT는 간단하고 온라인, 실시간이라는 특성을 유지하면서도 가림 및 비선형 운동 상황에서의 강건성을 향상시킨다. 사전에 제공된 탐지 결과를 입력으로 사용할 경우, OC-SORT는 단일 CPU에서 700 FPS 이상의 속도로 실행 가능하며, MOT17, MOT20, KITTI, 머리 추적, 특히 객체 운동이 매우 비선형적인 DanceTrack을 포함한 여러 데이터셋에서 최첨단 성능을 달성한다. 코드 및 모델은 \url{https://github.com/noahcao/OC_SORT}에서 공개되어 있다.