リー群多様体上のアンセンテッドカルマンフィルターを用いたマルチオブジェクトトラッキング手法

科学分野:

• コンピュータビジョン
• ロボット工学
• 人工知能

背景:

• マルチオブジェクトトラッキング（MOT）は重要ですが、均一な外観、異種運動、および重度のオクルージョンといった課題に直面しています。
• 既存の手法は、単純化された運動モデルと弱い外観表現による関連付けの失敗や誤った予測に苦しんでいます。

研究 の 目的:

• 軽量で汎用的、かつ外観に依存しないMOT手法を提案すること。
• 複雑な追跡シナリオにおける現在のMOTアプローチの限界に対処すること。

主な方法:

• リー群上のアンセンテッドカルマンフィルター（UKF）を利用した新しいMOT手法であるLUKF-Trackを導入しました。
• リー群上のUKFを介して定式化されたオブジェクト状態の伝播と予測のための運動モデルを採用しました。
• 堅牢なデータ関連付けのために、すべてのスコア範囲にわたる検出ボックスを組み込みました。

主要な成果:

• MOT17、MOT20、およびDanceTrackベンチマークで最先端のパフォーマンスを達成しました。
• 高度に非線形な動きや深刻なオクルージョンを伴うシナリオで有効性を実証しました。
• 既存の手法と比較して、追跡精度が向上しました。

結論:

• LUKF-Trackは、特に困難な環境におけるマルチオブジェクトトラッキングにおいて大幅な進歩を提供します。
• 提案されたリー群上のUKFアプローチは、外観の変動や運動の複雑さに対する堅牢性を向上させます。