[論文レビュー] DBN-Based Combinatorial Resampling for Articulated Object Tracking

Séverine Dubuisson, Christophe Gonzales+1 more|arXiv (Cornell University)|Oct 16, 2012

Video Surveillance and Tracking Methods参考文献 15被引用数 7

ひとこと要約

本稿では、関節部構造の制約を活用して、大規模で代表的なサンプル空間を暗黙的に生成する、DBNに基づく新しい組み合わせ的再サンプリング手法を、関節部を有するオブジェクト追跡におけるパーティクルフィルタに提案する。動的ベイジアンネットワーク（DBN）を用いたオブジェクト運動学のモデリングにより、合成および実映像シーケンスにおいて、古典的手法に比べて追跡精度と速度の両方を向上させる。

ABSTRACT

Particle Filter is an effective solution to track objects in video sequences in complex situations. Its key idea is to estimate the density over the possible states of the object using a weighted sample whose elements are called particles. One of its crucial step is a resampling step in which particles are resampled to avoid some degeneracy problem. In this paper, we introduce a new resampling method called Combinatorial Resampling that exploits some features of articulated objects to resample over an implicitly created sample of an exponential size better representing the density to estimate. We prove that it is sound and, through experimentations both on challenging synthetic and real video sequences, we show that it outperforms all classical resampling methods both in terms of the quality of its results and in terms of response times.

研究の動機と目的

• 関節部を有するオブジェクトを追跡する際に発生するパーティクルフィルタの劣化問題に対処すること。
• 関節部の構造的制約を活用することで、再サンプリングの効率性と精度を向上させること。
• 複雑な映像シーケンスにおいて、追跡精度を維持または向上させつつ、計算オーバーヘッドを低減すること。
• 明示的な列挙なしに、大規模で構造的なサンプル空間を暗黙的に探索する再サンプリング戦略を開発すること。

提案手法

• 本手法は、関節部オブジェクトの運動学的構造をモデリングするための動的ベイジアンネットワーク（DBN）を用いる「組み合わせ的再サンプリング」を導入する。
• オブジェクトの全状態空間を暗黙的に表現する、可能な関節構成の組み合わせ的サンプル空間を生成する。
• DBNの条件付き確率分布に基づいてパーティクルを再サンプリングし、構造的および動的になじみのある構成を優遇する。
• 再サンプリングプロセスは、状態空間の構造的探索により多様性を維持することで、劣化を回避する。
• 標準のパーティクルフィルタフレームワークにスムーズに統合され、従来の再サンプリングステップに代わる新しい組み合わせ的アプローチを実装する。

実験結果

リサーチクエスチョン

• RQ1 構造的・暗黙的なサンプリング戦略は、関節部を有するオブジェクト追跡におけるパーティクルフィルタ再サンプリングを改善できるか？
• RQ2 組み合わせ的再サンプリングは、古典的手法と比較して、追跡精度と計算コストの両面で優れているか？
• RQ3 DBNモデリングの活用により、複雑な運動シナリオにおける再サンプリングパーティクルの多様性と代表性が向上するか？
• RQ4 提案手法は、合成および実世界の映像シーケンスの両方で、頑健性を維持できるか？

主な発見

• 提案された組み合わせ的再サンプリング手法は、合成および実映像シーケンスの両方において、古典的手法を上回る追跡精度を達成した。
• 標準的手法に比べて応答時間が短く、計算効率の向上が確認された。
• 構造的に妥当な多様なパーティクルの集合を維持することで、パーティクルの劣化を効果的に緩和した。
• 実験結果から、特に高運動複雑性や遮蔽状況下でも、追跡の安定性と精度が顕著に向上した。