Probabilistic Trajectory GOSPA: A Metric for Uncertainty-Aware Multi-Object Tracking Performance Evaluation

要約

この論文は、トラックレベルの不確実性を軌跡推定値を提供するマルチオブジェクト追跡アルゴリズムを評価するための軌跡の一般的な最適サブパターン割り当て（GOSPA）メトリックの一般化を示します。
このメトリックは、個々のオブジェクト状態の存在と状態の推定の不確実性の両方を説明するために、最近導入された確率的ゴスパーメトリックに基づいています。
軌跡のゴスパ（TGOSPA）と同様に、それは多次元の割り当ての問題として定式化でき、その線形プログラミング緩和（有効なメトリックも有効なメトリック）が多項式時間で計算可能です。
さらに、このメトリックはTGOSPAの解釈可能性を保持し、その分解が、適切に検出されたオブジェクトの予想されるローカリゼーションエラーと存在確率の不一致エラーに関連する直感的なコスト項を生成することを示します。
提案されたメトリックの有効性は、シミュレーション調査を通じて実証されています。

要約(オリジナル)

This paper presents a generalization of the trajectory general optimal sub-pattern assignment (GOSPA) metric for evaluating multi-object tracking algorithms that provide trajectory estimates with track-level uncertainties. This metric builds on the recently introduced probabilistic GOSPA metric to account for both the existence and state estimation uncertainties of individual object states. Similar to trajectory GOSPA (TGOSPA), it can be formulated as a multidimensional assignment problem, and its linear programming relaxation–also a valid metric–is computable in polynomial time. Additionally, this metric retains the interpretability of TGOSPA, and we show that its decomposition yields intuitive costs terms associated to expected localization error and existence probability mismatch error for properly detected objects, expected missed and false detection error, and track switch error. The effectiveness of the proposed metric is demonstrated through a simulation study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google