[論文レビュー] Trajectory Poisson multi-Bernoulli mixture filter for traffic monitoring using a drone

Ángel F. García‐Fernández, Jimin Xiao|arXiv (Cornell University)|Jun 29, 2023

Video Surveillance and Tracking Methods被引用数 4

ひとこと要約

本稿では、光学および赤外カメラを搭載したドローンを用いた交通監視における、複数対象追跡のための軌跡ポisson多重ベルヌーイ混合（TPMBM）フィルタを提案する。カメラの検出を方向性到達角（DOA）測定値としてモデル化し、von-Mises-Fisher（vMF）分布に従わせることで、地上平面上の車両軌跡に対する正確なベイズ推定が可能となり、合成および実世界の実験により、優れた追跡性能が検証された。

ABSTRACT

This paper proposes a multi-object tracking (MOT) algorithm for traffic monitoring using a drone equipped with optical and thermal cameras. Object detections on the images are obtained using a neural network for each type of camera. The cameras are modelled as direction-of-arrival (DOA) sensors. Each DOA detection follows a von-Mises Fisher distribution, whose mean direction is obtain by projecting a vehicle position on the ground to the camera. We then use the trajectory Poisson multi-Bernoulli mixture filter (TPMBM), which is a Bayesian MOT algorithm, to optimally estimate the set of vehicle trajectories. We have also developed a parameter estimation algorithm for the measurement model. We have tested the accuracy of the resulting TPMBM filter in synthetic and experimental data sets.

研究の動機と目的

• ドローンに光学および赤外カメラを搭載した交通監視のための、頑健な複数対象追跡（MOT）システムの開発。
• 動的交通環境下におけるカメラベースの検出から車両軌跡を正確に推定する課題への対処。
• 方向性データのより良い取り扱いを実現するため、カメラの検出を方向性到達角（DOA）測定値としてvon-Mises-Fisher（vMF）分布を用いてモデル化すること。
• 測定モデルのパラメータ推定アルゴリズムを統合し、追跡精度の向上を図ること。
• 提案されたTPMBMフィルタを合成および実世界の実験データセットの両方で検証し、実世界の交通監視における有効性を示すこと。

提案手法

• カメラは、各検出が車両の地上位置からカメラへの方向性到達角（DOA）ベクトルとして投影される方向性到達角（DOA）センサーとしてモデル化される。
• DOA測定値は、方向性データに適した数学的性質を持つvon-Mises-Fisher（vMF）分布を用いてモデル化され、角度のラップアラウンド問題を回避する。
• 軌跡ポアソン多重ベルヌーイ混合（TPMBM）フィルタをベイズフレームワークとして採用し、ポアソンおよび多重ベルヌーイ成分を組み合わせることで、車両軌跡の事後密度を逐次推定する。
• 最大尤度推定を用いて、雑音強度、検出確率、およびvMF濃度パラメータを含む主要なモデルパラメータを学習するためのパラメータ推定アルゴリズムを開発した。
• 幾何的投影を用いてDOAベクトルをカメラ座標系から地上平面に変換し、2次元世界座標系における軌跡推定を可能にする。
• 測定モデルはセンサの幾何構造を考慮し、DOAから地上平面位置への不確実性の伝播にヤコビアンまたはアンサテッド変換を用いる。

実験結果

リサーチクエスチョン

• RQ1 光学および赤外センサからの方向性カメラ検出を、交通監視における複数対象追跡に効果的にモデル化する方法は何か？
• RQ2 ドローンプラットフォームを用いてDOA測定値から車両軌跡を推定する最適なベイズフィルタリングフレームワークは何か？
• RQ3 DOA測定値のモデル化において、vMF分布を用いることで、ガウス分布ベースのモデルと比較して追跡精度および頑健性にどのような差が生じるか？
• RQ4 実世界の交通状況において、測定モデルのパラメータ推定戦略として、最も正確で安定した性能を発揮するのはどれか？
• RQ5 提案されたTPMBMフィルタは、合成および実験データの両方において、既存のMOT手法と比較してどのように性能を発揮するか？

主な発見

• vMF分布に従うDOA測定値を用いた提案されたTPMBMフィルタは、合成および実世界のデータセットの両方でベースライン手法よりも優れた追跡精度を達成した。
• パラメータ推定アルゴリズムは、雑音強度、検出確率、およびvMF濃度パラメータを効果的に学習し、モデルの適合度と追跡性能の向上に寄与した。
• DOAモデルにvMF分布を用いることで、角度データの取り扱いがより適切になり、角度のラップアラウンドや複雑な周期性補正の必要がなくなり、改善された。
• 幾何的投影モデルは、DOAベクトルを正確に地上平面位置にマッピングでき、2次元画像検出からの高精度な軌跡推定を可能にした。
• TPMBMフィルタは、ポアソンおよび多重ベルヌーイ成分の混合により、対象の出現・消滅およびデータ関連付けを効果的に処理し、オンライン追跡のための頑健な性能を発揮した。
• 実験結果から、変動する交通密度およびセンサ条件下でも、フィルタが一貫した追跡性能を維持できることを示した。