Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports

要約

複数の物体追跡アルゴリズムは、物体検出の最近の発展により大幅に進歩しました。
ただし、既存の方法のほとんどは、比較的単純で規則的な動作パターンを示す歩行者または車両の追跡に主に焦点を当てています。
その結果、複数のアスリートの追跡など、不規則または非線形の動きを伴うターゲットの追跡に対処するアルゴリズムが不足しています。
さらに、一般的な追跡アルゴリズムは、物体の動きのモデリングにカルマン フィルターに依存することが多く、物体の動きがカルマン フィルターの線形運動の仮定と矛盾する場合、物体を追跡できません。
この理由により、私たちは、複数オブジェクト追跡のための反復スケールアップ拡張IoUとディープ機能という名前の、新しいオンラインで堅牢な複数オブジェクト追跡アプローチを提案しました。
従来の手法とは異なり、カルマン フィルターの使用を放棄し、反復スケールアップ拡張 IoU の利用を提案します。
このアプローチは、追加のトレーニング データを必要としたり、より堅牢な検出器を採用したりすることなく、他の外観ベースの方法と比較して低い計算コストを維持しながら、優れた追跡パフォーマンスを実現します。
私たちの提案した方法は、不規則な運動オブジェクトの追跡において顕著な効果を示し、HOTA で 75.3% のスコアを達成しました。
SportsMOT データセット上のすべての最先端のオンライン追跡アルゴリズムよりも優れたパフォーマンスを発揮し、さまざまな種類のスポーツ シナリオをカバーします。

要約(オリジナル)

Multi-object tracking algorithms have made significant advancements due to the recent developments in object detection. However, most existing methods primarily focus on tracking pedestrians or vehicles, which exhibit relatively simple and regular motion patterns. Consequently, there is a scarcity of algorithms that address the tracking of targets with irregular or non-linear motion, such as multi-athlete tracking. Furthermore, popular tracking algorithms often rely on the Kalman filter for object motion modeling, which fails to track objects when their motion contradicts the linear motion assumption of the Kalman filter. Due to this reason, we proposed a novel online and robust multi-object tracking approach, named Iterative Scale-Up ExpansionIoU and Deep Features for multi-object tracking. Unlike conventional methods, we abandon the use of the Kalman filter and propose utilizing the iterative scale-up expansion IoU. This approach achieves superior tracking performance without requiring additional training data or adopting a more robust detector, all while maintaining a lower computational cost compared to other appearance-based methods. Our proposed method demonstrates remarkable effectiveness in tracking irregular motion objects, achieving a score of 75.3% in HOTA. It outperforms all state-of-the-art online tracking algorithms on the SportsMOT dataset, covering various kinds of sport scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google