클러스터 자체 개선을 통한 향상된 온라인 다중 카메라 사람 추적

최근 다중 카메라 사람 추적(Multi-Camera People Tracking, MCPT)에 관한 연구가 크게 증가하고 있다. MCPT는 단일 카메라 다객체 추적보다 더 많은 도전 과제를 안고 있으며, 이로 인해 기존 많은 연구들은 오프라인 방법을 활용해 문제를 해결해왔다. 그러나 오프라인 방법은 사전 기록된 영상만 분석할 수 있어 실질적인 산업 응용 측면에서 온라인 방법에 비해 제한성이 크다. 따라서 본 연구는 온라인 접근 방식을 사용할 때 발생하는 주요 문제 해결에 초점을 맞추었다. 특히, 온라인 MCPT의 성능에 심각한 영향을 미칠 수 있는 문제—예를 들어, 정확도가 낮거나 품질이 낮은 외형 특징을 저장하거나, 한 사람에게 여러 개의 ID가 할당되는 상황—을 해결하기 위해 클러스터 자기 개선(Cluster Self-Refinement) 모듈을 제안하였다. 본 연구는 2024년 AI City Challenge Track 1에서 HOTA 점수 60.9261%로 3위를 달성하였으며, 코드는 https://github.com/nota-github/AIC2024_Track1_Nota 에서 공개되어 있다.