얼굴인식과 GAN을 이용한 동적카메라에서의 실시간 사람추적 성능향상방법

Abstract

움직이는 로봇환경, 주행중인 자동차 등의 이동하는 카메라환경이나 관찰 대상이 상대적으로 가까운 경우 발생하는 모션블러(Motion-blur) 로 인해 탐지와 재인식(Re-identification)의 정확도가 낮아지기 때문에 지속적인 객체 추적에 어려움이 따르고 있다. 본 논문에서는 YOLO[1]탐지기를 적용한 MOTDT[2] 실시간 추적기(realtime-tracker)를 기반으로 성능향상 실험을 수행한다. 동적 카메라에서의 성능향상을 위해 해상도 향상(super-Resolution) 효과와 흐림 제거(deblurring) 효과를 동시에 적용할 수 있도록 BlurSharp Pair 데이터셋을 학습한 SRGAN[3]을 이용하여 추적시스템의 성능향상을 위한 방법을 제시한다. 실험을 위해 실제 로봇시점에서 상호작용하며 촬영한 영상을 벤치마크 셋으로 사용하여 IDF1, MOTA 성능을 측정하고 성능이 향상됨을 확인하였다.