RapidCheck tech documents about Tracking Engine powered by Junsu Lee (ljs93kr@gmail.com)
Trajectory는 어떤 대상의 전체 구간 경로를 의미하며, 앞에서 구한 짧은구간경로(Tracklet)들 간의 유사도(Similarity)를 계산하여 이들을 이어붙이는 방식으로 만들어진다.
Tracklet들의 Similarity를 Short-term과 Long-term을 구분하여 계산한 뒤 최적의 Similarity 조합을 이어나가는 방식으로 알고리즘을 구현하였다.
Trajectory Motion Model 의 개념과 수식
Tracklet 간의 motion cost를 구하기 위해서 forward deviation error와 backward deviation error를 모두 고려하였다. Forward deviation이란, 상대적으로 과거 시점의 tracklet T1이 앞으로 더 진행되었을 때 예측되는 위치와 그 순간의 T2의 위치 간의 차이를 의미하며, Backward deviation은 상대적으로 미래 시점의 tracklet T2의 예측되는 과거 위치와 T1의 위치 간의 차이를 의미한다.
Appearance model은 tracklet과 동일하게 Histogram correlation 방식을 사용하였다. 각 Tracklet의 대표 히스토그램을 추출하기 위해서, detection 결과에서 가장 높은 confidence를 갖는 노드를 기준으로 하였다.
실제 CCTV 영상에서는 tracking 대상이 오랜 기간 다른 물체에 가려지는 상황이 종종 발생한다. 이러한 경우에도 tracklet들을 연결할 수 있도록 알고리즘을 설계하였다. Long-term similarity의 경우 motion model의 정확도가 상대적으로 떨어지기 때문에 total similarity를 계산할 때 motion과 appearance model간의 비중을 동적으로 조절하여 더 정확한 값을 계산할 수 있게 하였다.
Short-term similarity의 경우, Motion similarity에 Jaccard similarity를 추가하여 정확도를 높일 수 있었다.