[論文レビュー] Multi-Target Tracking in Multiple Non-Overlapping Cameras using Constrained Dominant Sets

Yonatan Tariku Tesfaye, Eyasu Zemene+3 more|arXiv (Cornell University)|Jun 19, 2017

Video Surveillance and Tracking Methods参考文献 37被引用数 55

ひとこと要約

この論文は、制約付きドミナントセット（CDSC）を用いた統一の三層フレームワークを提案し、非重複カメラネットワークにおける同一カメラ内追跡とカメラ間追跡を共同で解決する。高速なInfImDynベースのソルバーとトラックの改善。

ABSTRACT

In this paper, a unified three-layer hierarchical approach for solving tracking problems in multiple non-overlapping cameras is proposed. Given a video and a set of detections (obtained by any person detector), we first solve within-camera tracking employing the first two layers of our framework and, then, in the third layer, we solve across-camera tracking by merging tracks of the same person in all cameras in a simultaneous fashion. To best serve our purpose, a constrained dominant sets clustering (CDSC) technique, a parametrized version of standard quadratic optimization, is employed to solve both tracking tasks. The tracking problem is caste as finding constrained dominant sets from a graph. In addition to having a unified framework that simultaneously solves within- and across-camera tracking, the third layer helps link broken tracks of the same person occurring during within-camera tracking. In this work, we propose a fast algorithm, based on dynamics from evolutionary game theory, which is efficient and salable to large-scale real-world applications.

研究の動機と目的

• 複数の非重複カメラ間でのマルチターゲット追跡を動機づけ、対処する。
• カメラ内追跡とカメラ間データアソシエーションを統合的に扱う統一的な三層フレームワークを開発する。
• 追跡を層を跨ぐグラフ上の制約付きドミナントセットクラスタリングとして定式化する。
• CDSCを大規模実世界データセットに適用できるよう、迅速な最適化手法を導入する。
• MOT DukeMTMCTおよびReID志向データセットでの有効性と一般化可能性を示す。

提案手法

• 短いトラックレットグラフ上で制約付きドミナントセットを用いてカメラ内追跡をクリークの連なりとしてモデル化する。
• CDSCを適用してトラックレットを結合し、各カメラ内で一貫したトラックへと昇華させる。
• 複数カメラのトラックグラフを構築し、カメラ間でトラックを共同クラスタリングするためにCDSCを適用し、カメラ内で途切れたトラックを結びつける。
• CDSCにおける制約集合の定式化を用いて、整合性のあるクラスタを形成しつつ、解がユーザー指定または事前トラックを含むようにする。
• Dominant setsを計算する近似線形時間に近いInfImDynベースのソルバーを用い、スケーラビリティを向上させる。
• 相互関係を強制し、カメラ間の不整合を除去するトラック refinement ステップを組み込む。

実験結果

リサーチクエスチョン

• RQ1 単一のCDSCベースのフレームワークは、非重なりのカメラネットワークにおけるカメラ内追跡とカメラ間データアソシエーションの双方を効果的に解決できるのだろうか？
• RQ2 クエリ/制約頂点を用いてドミナントセットを制約することは、得られるトラックの品質と一貫性にどのような影響を与えるか？
• RQ3 提案された高速なInfImDynベースのソルバーは、精度を損なうことなく大規模データセットに適したスケーラブルな性能を提供するか？
• RQ4 このフレームワークは、カメラ内で途切れたトラックを結びつけ、カメラ間のアイデンティティ整合性を改善しつつ、再識別タスクへ一般化できるか？

主な発見

• 三層CDSCフレームワークは、統一最適化の中でカメラ内トラックとカメラ間連携を一貫して生成する。
• 制約付きドミナントセットの定式化は常に制約頂点を含み、ターゲットを絞った信頼性の高いクラスタリングを可能にする。
• 高速なInfImDynベースのソルバーは、反復ごとの計算をほぼ線形時間に削減し、大規模グラフへのスケーラビリティを可能にする。
• MOT Challenge DukeMTMCTで最新手法と競合する性能を示す。
• MARS再識別データセットでの実験は、追跡だけでなく再識別タスクへの適用性を示す。
• 本手法はカメラ間でカメラ内トラックの欠落を結びつけ、全体のトラックの連続性とアイデンティティの維持を向上させる。