강건한 공동 모델과 샘플 선택을 통한 온라인 다중 객체 추적

지난 10년간 영상 내 객체 탐지 및 추적 분야에서 중요한 진전이 이루어졌다. 본 논문에서는 사전 학습된 객체 탐지기와 여러 개의 단일 객체 온라인 추적기 간의 협업 모델을 입자 필터링 프레임워크 내에서 제안한다. 각 프레임마다 탐지 결과와 추적기 간의 연관성을 설정하고, 추적기에 연관된 탐지된 이미지 영역을 키 샘플로 간주하여 온라인 업데이트를 수행한다. 또한 객체의 운동 동역학을 반영한 새로운 운동 모델을 제안하며, 각 추적기의 외형 모델 업데이트를 위한 효과적인 샘플 선택 기법도 제안한다. 가능성 함수에는 구분형 외형 모델을, 데이터 연관성에는 생성형 외형 모델을 각각 활용한다. 실험 결과, 제안하는 방법이 기존 최첨단 기법들보다 일반적으로 더 우수한 성능을 보였다.