CARPE-ID: Continuously Adaptable Re-identification for Personalized Robot Assistance

要約

今日のヒューマン ロボット インタラクション (HRI) シナリオでは、ロボットが最も近い個人と協力するか、シーンに単一の人間の俳優が関与しているだけであると想定する傾向が一般的です。
ただし、製造現場での作業などの現実的なシナリオでは、このような仮定は当てはまらない可能性があり、混雑した環境でロボットによる個別のターゲット認識が必要となります。
この要件を満たすために、この研究では、視覚的外観の変化や部分的または完全な遮蔽にさらされても、ロボットと適切な個人とのシームレスな協力を保証する、継続的な視覚適応技術に基づいた個人再識別モジュールを提案します。
私たちは、実験室環境と HRI シナリオ、つまり移動ロボットによる人物追跡タスクで記録されたビデオを使用して、フレームワークを単独でテストします。
ターゲットは、追跡中に外観を変更し、カメラの視野から消えるように求められ、オクルージョンと服装の変化という困難なケースをテストします。
私たちのフレームワークを最先端のマルチオブジェクト追跡 (MOT) 手法の 1 つと比較したところ、CARPE-ID はすべてのケース (2 つの制限ケースを除く) で実験全体を通じて選択された各ターゲットを正確に追跡できることがわかりました。
）。
同時に、s-o-t-a MOT では、ビデオごとに平均 4 つのトラッキング エラーが発生します。

要約(オリジナル)

In today’s Human-Robot Interaction (HRI) scenarios, a prevailing tendency exists to assume that the robot shall cooperate with the closest individual or that the scene involves merely a singular human actor. However, in realistic scenarios, such as shop floor operations, such an assumption may not hold and personalized target recognition by the robot in crowded environments is required. To fulfil this requirement, in this work, we propose a person re-identification module based on continual visual adaptation techniques that ensure the robot’s seamless cooperation with the appropriate individual even subject to varying visual appearances or partial or complete occlusions. We test the framework singularly using recorded videos in a laboratory environment and an HRI scenario, i.e., a person-following task by a mobile robot. The targets are asked to change their appearance during tracking and to disappear from the camera field of view to test the challenging cases of occlusion and outfit variations. We compare our framework with one of the state-of-the-art Multi-Object Tracking (MOT) methods and the results show that the CARPE-ID can accurately track each selected target throughout the experiments in all the cases (except two limit cases). At the same time, the s-o-t-a MOT has a mean of 4 tracking errors for each video.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google