[論文レビュー] Tracking Multiple Moving Objects Using Unscented Kalman Filtering Techniques

Xi Chen, Xiao Wang+1 more|arXiv (Cornell University)|Feb 5, 2018

Video Surveillance and Tracking Methods参考文献 15被引用数 31

ひとこと要約

本稿では、非線形運動および隠蔽状態下での複数対象追跡の課題に対処するため、拡張カルマンフィルタ（UKF）を用いた新しい複数対象追跡フレームワークを提案する。ブロックマッチングによる初期検出とUKFによる高精度な状態推定（速度を含む）を組み合わせることで、複雑な隠蔽状態下でも追跡が安定し、非線形状況下で従来のカルマンフィルタを上回る性能を発揮する。

ABSTRACT

It is an important task to reliably detect and track multiple moving objects for video surveillance and monitoring. However, when occlusion occurs in nonlinear motion scenarios, many existing methods often fail to continuously track multiple moving objects of interest. In this paper we propose an effective approach for detection and tracking of multiple moving objects with occlusion. Moving targets are initially detected using a simple yet efficient block matching technique, providing rough location information for multiple object tracking. More accurate location information is then estimated for each moving object by a nonlinear tracking algorithm. Considering the ambiguity caused by the occlusion among multiple moving objects, we apply an unscented Kalman filtering (UKF) technique for reliable object detection and tracking. Different from conventional Kalman filtering (KF), which cannot achieve the optimal estimation in nonlinear tracking scenarios, UKF can be used to track both linear and nonlinear motions due to the unscented transform. Further, it estimates the velocity information for each object to assist to the object detection algorithm, effectively delineating multiple moving objects of occlusion. The experimental results demonstrate that the proposed method can correctly detect and track multiple moving objects with nonlinear motion patterns and occlusions.

研究の動機と目的

• 非線形運動および隠蔽状態によって追跡性能が低下する動的映像監視環境において、複数対象を信頼性高く追跡する課題に対処すること。
• 従来のカルマンフィルタ（KF）では非線形運動状況下で最適推定を提供できないという限界を克服すること。
• 追跡パイプラインに速度推定を統合することで、対象検出および追跡の精度を向上させること。
• 長時間の隠蔽状態下でも対象の識別子と位置を維持できる耐障害性の高いシステムを開発すること。
• ブロックマッチングと拡張カルマンフィルタを組み合わせたハイブリッド手法を用いて、複数対象の連続追跡を実現すること。

提案手法

• 初期の対象検出は、粗い位置推定を得るためにブロックマッチング手法を用いて実施する。
• 非線形運動環境下でも高精度に状態（位置、速度）を推定するために、拡張カルマンフィルタ（UKF）が採用される。
• UKFは、拡張または標準カルマンフィルタよりも非線形運動モデルの非線形性をより効果的に捉えるために、アンサンブル変換（unscented transform）を活用する。
• 速度情報が推定され、隠蔽状態における曖昧さの解消を支援する検出アルゴリズムにフィードバックされる。
• UKFによる状態予測と補正を用いてトラックレットを維持することで、隠蔽状態を経ても対象の識別子が保持される。
• 検出と追跡をフィードバックループで統合することで、動的かつ複雑な環境下でも耐障害性が向上する。

実験結果

リサーチクエスチョン

• RQ1 非線形運動および隠蔽状態下でも、複数対象を信頼性高く追跡する方法は何か？
• RQ2 UKFは非線形追跡状況下で、従来のカルマンフィルタをどの程度上回るか？
• RQ3 速度推定は、隠蔽状態下での対象検出および追跡精度を向上させることができるか？
• RQ4 ブロックマッチング手法は、複雑なシーンにおける対象検出の前処理としてどの程度効果的か？
• RQ5 提案手法は、長時間の隠蔽状態下でも一貫した対象識別を維持できるか？

主な発見

• 提案されたUKFベースの追跡手法は、非線形運動パターン下でも複数対象の正確な追跡を継続的に維持できることを確認した。
• 速度推定の統合により、隠蔽状態下での曖昧さの解消能力が著しく向上した。
• アンサンブル変換による非線形近似の優位性のおかげで、非線形状況下で従来のカルマンフィルタを上回る性能を示した。
• 実験結果から、長時間の隠蔽状態下でも対象を正しく検出・追跡できることを確認した。
• ブロックマッチング手法は、効率的かつ信頼性の高い初期検出を提供し、その後のUKFの精密化の基盤を形成した。
• 全体的なフレームワークは、動的かつ相互作用が複雑な監視環境下でも、耐障害性と一貫性を示した。