AI
향상된 온라인 다중 카메라 인물 추적을 위한 Cluster Self-Refinement
두줄요약
온라인 다중 카메라 인물 추적의 ID 오류를 줄이기 위해 Cluster Self-Refinement를 제안했습니다. 포즈 추정 기반 위치 보정까지 적용해 AI City Challenge 3위를 기록했습니다.
문제 상황
- 과거 프레임만 활용하는 온라인 다중 카메라 인물 추적의 연속적 ID 오류
- 하나의 트랙렛에 서로 다른 인물 특징이 섞이며 발생하는 ID Switching
- 가려진 발 위치와 다중 인물 바운딩 박스에 따른 공간 매핑·외형 특징 혼동
해결 방법
- 저장된 외형 특징과 트랙렛을 주기적으로 재검토하는 Online CSR 적용
- 병합 클러스터링과 코사인 거리 기반 외형 특징 정제
- 외형·가상 공간 거리 기반 중첩 클러스터 제거
- 포즈 추정 기반 가려진 발 위치 보정과 다중 인물 바운딩 박스 저장 제외
성능/운영 포인트
- 잘못된 ID 매칭 감소에 따른 Assignment Accuracy 상승
- CSR과 Enhanced Utilizing Pose Estimation 적용으로 HOTA 60.93% 기록
- AI City Challenge Track 1 17개 팀 중 3위
적용해볼 점
- 온라인 추적 환경에서 주기적 클러스터 재정제로 누적 오류 완화
- 포즈 키포인트를 활용한 위치 매핑과 외형 특징 품질 관리
