StrongerSORT: DeepSORTを強化し、より強力な人物追跡を実現
StrongerSORT: Improving DeepSORT for Stronger Human Tracking
本研究は、監視ビデオにおける人物追跡の課題に対処するため、物体検出の改善と補完的な外観・運動キューの統合による強化された人物追跡手法を提案する。具体的には、YOLOv12に大カーネル変形アテンション、動的畳み込み、ファントム畳み込みを組み込むことで、計算コストを削減しつつ、複雑な背景やオクルージョン下での小ターゲット特徴の認識能力を向上させる。さらに、OSNetの外観埋め込みとEMA更新フレームワークを統合し、ロバストな軌道レベルの時間的・外観的表現を構築することで、追跡段階での個人間の識別能力を高める。実験の結果、提案手法はStrongSORTやByteTrackといった最先端の追跡手法と比較して、より正確なID関連付けと安定したターゲット軌道を実現することが示された。
- 監視ビデオの人物追跡向けに、物体検出の改善と外観・運動キューの統合による強化追跡手法「StrongSORTを強化した手法」を提案
- YOLOv12に大カーネル変形アテンション、動的畳み込み、ファントム畳み込みを組み込み、計算コストを削減しつつ複雑背景やオクルージョン下の小ターゲット特徴の認識能力を向上
- OSNetの外観埋め込みとEMA更新フレームワークを統合し、軌道レベルの時間的・外観的表現を構築して追跡段階での個人識別能力を向上
- 実験で、StrongSORTやByteTrackといった最先端追跡手法と比較してより正確なID関連付けと安定したターゲット軌道を実現したと報告
監視映像の人物追跡は、顔認証と並ぶ映像AIの収益源であり、本手法はYOLOv12ベースの検出器に大カーネル変形アテンションや動的・ファントム畳み込みを組み込み、計算コストを抑えつつオクルージョン下の小ターゲット認識を改善し、OSNetの外観埋め込みとEMA更新でID再同定の精度を高める点が注目される。既存のStrongSORTやByteTrackを上回るという比較結果は、追跡モジュールの差し替えだけで既存の映像監視・警備・小売分析システムの価値が上がる可能性を示唆し、計算効率の改善はエッジカメラ側での推論、すなわち半導体・カメラベンダーへの波及も見込める。ただし本記事は研究段階の提案であり、商用製品化や導入企業、精度・遅延の定量値、ライセンス条件が示されていないため、投資判断にはベンチマークの再現性と実運用環境での検証、採用ベンダーの発表待ちという留意が必要。