Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and Spatio-Temporal Consistency ID Re-Assignment

要約

タイトル: Anchor-Guided Clusteringと空間・時間的一貫性ID再割り当てによるマルチカメラ人物追跡の向上

要約:
– マルチカメラ複数人物追跡は、小売店、ヘルスケアセンター、交通ハブなどの屋内人物追跡システムにおいて正確かつ効率的な需要の増加により、研究の重要な領域になっています。
– Anchor-Guided Clusteringを使用した新しいマルチカメラ複数人物追跡方法を提案し、空間的・時間的一貫性によりジオメトリベースの異なるカメラID再割り当てを行っています。
– このアプローチは、すべての個人に固有の主要な特徴を識別し、カメラパラメーターの実際の必要性を排除することで、カメラ間のビューの重複を利用して正確な軌跡を予測することでトラッキングの精度を向上させることを目的としています。
– このマルチカメラ複数人物追跡方法は、合成データと実世界データを両方扱うことができ、ロバスト性と有効性を示しました。
– 提案された方法は、CVPR AI City Challenge 2023データセットで評価され、IDF1が95.36％を達成し、チャレンジでの第1位のランキングを獲得しました。コードは、https://github.com/ipl-uw/AIC23_Track1_UWIPL_ETRIで利用可能です。

要約(オリジナル)

Multi-camera multiple people tracking has become an increasingly important area of research due to the growing demand for accurate and efficient indoor people tracking systems, particularly in settings such as retail, healthcare centers, and transit hubs. We proposed a novel multi-camera multiple people tracking method that uses anchor-guided clustering for cross-camera re-identification and spatio-temporal consistency for geometry-based cross-camera ID reassigning. Our approach aims to improve the accuracy of tracking by identifying key features that are unique to every individual and utilizing the overlap of views between cameras to predict accurate trajectories without needing the actual camera parameters. The method has demonstrated robustness and effectiveness in handling both synthetic and real-world data. The proposed method is evaluated on CVPR AI City Challenge 2023 dataset, achieving IDF1 of 95.36% with the first-place ranking in the challenge. The code is available at: https://github.com/ipl-uw/AIC23_Track1_UWIPL_ETRI.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI