MLFPN 기반 통합 검출·식별 네트워크를 사용한 다중객체 추적

Abstract

본 연구에서는 추적(Tracking) 중 발생하는 객체간 폐색(Occlusion)의 경우, 이전 프레임에서 객체가 가졌던 Track ID을 유지하며 객체를 추적할 수 있는 네트워크를 설계한다. 딥러닝 기반의 네트워크를 통해 얻어진 프레임 내 존재하는 객체 정보를 바탕으로 추적하는 것에 대한 내용을 다룬다. 제안하는 연구는 총 3단계로 구성된다. 첫 번째는 기존 검출 모델을 기반으로 통합 검출∙식별 네트워크를 설계, 두 번째는 기존 MLFPN 구조에 대한 문제를 보완하는 단계, 세번째는 네트워크에서 출력된 객체들의 값을 바탕으로 추적을 수행한다. 본 논문은 보행자, 즉 사람 클래스에 대해 라벨링된 데이터로 학습을 진행하였고, Multi-Object Tracking (MOT) Challenge[7]에서 제공된 데이터와 평가 지표를 통해 모델을 검증하였다.; In this paper, we proposed Joint Detection and Identification Network considering occlusion between objects during tracking. In case of Occlusion, this network propoed to maintain Track ID that object had in the previous frame. The proposed study consists of three steps. The first stage is to design joint detection and identification network based on M2Det detection model. The second stage is to supplement the real-time problem with MLFPN Module. Final stage is tracking based on the output value of objects from network. We trained the model with labeled data about pedestrian and verified the model using data and evaluation metric in Multi-Object Tracking Challenge.