비선형 운동을 위한 효율적인 객체 추적기 설계

다중 객체 추적의 목적은 영상 프레임 간에 객체의 경계 상자(bounding box)를 연결함으로써 장면 내 모든 객체를 탐지하고 고유 식별자를 유지하는 것이다. 이러한 연결은 탐지된 객체들의 운동 및 외형 패턴을 매칭함에 의해 이루어진다. 특히 동적이고 비선형적인 운동 패턴을 포함하는 시나리오에서는 이 작업이 매우 어려운 과제가 된다. 본 논문에서는 이러한 복잡한 시나리오에 특화된 새로운 다중 객체 추적기인 DeepMoveSORT를 제안한다. 기존의 외형 기반 매칭 방법 외에도, 가장 일반적으로 사용되는 칼만 필터(Kalman filter) 대신 깊이 학습 가능한 필터를 활용하고, 새로 제안한 다양한 휴리스틱을 도입함으로써 운동 기반 매칭 성능을 향상시켰다. 본 연구에서 제안한 운동 기반 매칭 개선은 여러 측면에서 두드러진다. 첫째, 객체의 운동 이력(motion history)을 활용하여 운동 예측과 노이즈 필터링 모두에 사용하는 트랜스포머 기반 필터 아키텍처인 TransFilter를 제안한다. 또한 운동 이력의 정교한 처리와 카메라의 움직임을 고려함으로써 필터의 성능을 추가로 향상시켰다. 둘째, 탐지된 경계 상자의 위치, 형태, 신뢰도 등의 정보를 활용하는 휴리스틱을 제안하여 매칭 성능을 개선한다. 실험적 평가를 통해 DeepMoveSORT가 비선형 운동을 포함하는 시나리오에서 기존 추적기들을 능가하며, 세 가지 관련 데이터셋에서 최신 기술(SOTA) 수준의 성능을 달성함을 입증하였다. 또한 제안한 추적기 구성 요소들의 기여도를 철저히 분석하기 위한 아블레이션 스터디(ablation study)를 수행하였다. 본 연구 결과에 따르면, 칼만 필터 대신 학습 가능한 필터를 사용하고 외형 기반 매칭과 결합하는 것이 강력한 일반화 추적 성능을 달성하는 핵심 요소임을 확인할 수 있다.