초록
다수의 사람을 추적하는 대부분의 시스템은 탐지 기반 추적(tracking-by-detection) 철학에 기반하여 궤적을 계산한다. 따라서 시스템의 성능은 사용되는 입력 탐지의 품질에 크게 의존한다. 그러나 최근 몇 년간 큰 진전이 있었음에도 불구하고, 부분적으로 가려진 사람들은 여전히 자주 인식되지 못한다. 또한, 비최대 억제(non-maximum suppression) 과정에서 정확한 탐지들이 오류로 인해 잘못 제거되는 경우가 많다. 따라서 추적 성능을 향상시키기 위해서는 원시적인 입력 데이터를 보완할 필요가 있다. 이러한 작업에 적합한 것은 세밀한 신체 관절 탐지로, 강하게 가려진 사람조차도 정확히 위치를 파악할 수 있도록 한다.본 연구에서는 관절 탐지의 도입이 다수 사람 추적에 적합한지 분석한다. 서로 다른 두 가지 탐지 유형 간의 유사도(affinity)를 다양한 방식으로 정의하고, 각각의 성능을 평가한다. 추적은 최소 비용 그래프 레이블링(min-cost graph labeling) 기반의 근접 온라인(near-online) 프레임워크 내에서 수행된다. 그 결과, 본 프레임워크는 심하게 가려진 사람을 효과적으로 복원할 수 있으며, 데이터 연관성 문제를 효율적으로 해결할 수 있다. 제안된 프레임워크는 MOT16/17 벤치마크를 기반으로 평가되었으며, 실험 결과 본 방법이 최신 기술 수준의 성능을 달성함을 입증하였다.