論文の概要: PKF: Probabilistic Data Association Kalman Filter for Multi-Object Tracking
- arxiv url: http://arxiv.org/abs/2411.06378v1
- Date: Sun, 10 Nov 2024 07:34:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:09:22.648013
- Title: PKF: Probabilistic Data Association Kalman Filter for Multi-Object Tracking
- Title（参考訳）: PKF:多対象追跡のための確率的データアソシエーションカルマンフィルタ
- Authors: Hanwen Cao, George J. Pappas, Nikolay Atanasov,
- Abstract要約: 我々は,測定値と状態値の確率的相関を持つ新しいカルマンフィルタを導出する。
相関確率は行列の永久値として測定可能な値として計算できることを示す。
シミュレーション実験により, このフィルタは, 確立された連立確率的データアソシエーションフィルタよりも低い追従誤差を達成できることが判明した。
- 参考スコア（独自算出の注目度）: 39.55428600377688
- License:
- Abstract: In this paper, we derive a new Kalman filter with probabilistic data association between measurements and states. We formulate a variational inference problem to approximate the posterior density of the state conditioned on the measurement data. We view the unknown data association as a latent variable and apply Expectation Maximization (EM) to obtain a filter with update step in the same form as the Kalman filter but with expanded measurement vector of all potential associations. We show that the association probabilities can be computed as permanents of matrices with measurement likelihood entries. We also propose an ambiguity check that associates only a subset of ambiguous measurements and states probabilistically, thus reducing the association time and preventing low-probability measurements from harming the estimation accuracy. Experiments in simulation show that our filter achieves lower tracking errors than the well-established joint probabilistic data association filter (JPDAF), while running at comparable rate. We also demonstrate the effectiveness of our filter in multi-object tracking (MOT) on multiple real-world datasets, including MOT17, MOT20, and DanceTrack. We achieve better higher order tracking accuracy (HOTA) than previous Kalman-filter methods and remain real-time. Associating only bounding boxes without deep features or velocities, our method ranks top-10 on both MOT17 and MOT20 in terms of HOTA. Given offline detections, our algorithm tracks at 250+ fps on a single laptop CPU. Code is available at https://github.com/hwcao17/pkf.
- Abstract（参考訳）: 本稿では,実測値と状態の確率的相関を持つ新しいカルマンフィルタを導出する。
測定データに条件付き状態の後方密度を近似するために,変分推論問題を定式化する。
我々は、未知のデータアソシエーションを潜在変数とみなし、期待値最大化(EM)を適用して、カルマンフィルタと同じ方法で更新ステップを持つフィルタを得るが、すべての潜在的なアソシエーションの測定ベクトルを拡大する。
相関確率は行列の永久値として測定可能な値として計算できることを示す。
また,不明瞭な測定と状態のサブセットのみを確率的に関連付けることで,相関時間を短縮し,低確率測定が推定精度を損なうことを防止できるあいまいさチェックを提案する。
シミュレーション実験により,提案フィルタの追従誤差はJPDAFよりも低く,かつ同等の速度で動作可能であることが示された。
また、MOT17、MOT20、DanceTrackを含む複数の実世界のデータセット上でのマルチオブジェクト追跡(MOT)におけるフィルタの有効性を示す。
従来のKalman-filter法よりも高次追跡精度(HOTA)が向上し,リアルタイムに維持できる。
提案手法は,深い特徴や速度を持たない有界ボックスのみを関連付けることで,MOT17とMOT20の両方でHOTAの上位10位にランク付けする。
オフラインで検出すると、我々のアルゴリズムは1台のラップトップCPU上で250fps以上で追跡する。
コードはhttps://github.com/hwcao17/pkf.comで入手できる。
関連論文リスト
- Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers [17.38485814970625]
マルチオブジェクトトラッキング(MOT)は、自律運転におけるナビゲーションに不可欠な技術である。
近年, トラッキング手法は, 外乱を観測するフィルタリングアルゴリズムに基づいており, トラッキング精度の低下や, オブジェクトの軌跡の喪失さえも生じている。
我々は,ConvUKFが外れ値の存在下で有界な追跡誤差を持つことを示す。
論文 参考訳（メタデータ） (2024-06-03T14:42:38Z) - MapTrack: Tracking in the Map [14.991113420276767]
Multi-Object Tracking (MOT) は、各ターゲットに対する安定トラジェクトリと未中断トラジェクトリの維持を目的としている。
ほとんどの最先端のアプローチは、まず各フレーム内のオブジェクトを検出し、次に新しい検出と既存のトラックの間のデータ関連を実装する。
本稿では,確率マップ,予測マップ,共分散適応カルマンフィルタの3つの軽量・プラグアンドプレイアルゴリズムからなる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-20T12:35:23Z) - Deep Kalman Filters Can Filter [9.131190818372474]
ディープカルマンフィルタ(ディープカルマンろく、英: Deep Kalman filters、DKF)は、シーケンシャルデータからガウス確率測度を生成するニューラルネットワークモデルである。
DKFはカルマンフィルタにインスパイアされるが、フィルター問題と具体的な理論的関係は欠如している。
連続時間DKFは、非マルコフおよび条件付きガウス信号プロセスの幅広いクラスで条件法則を実装可能であることを示す。
論文 参考訳（メタデータ） (2023-10-30T14:58:12Z) - Robust Multi-Object Tracking by Marginal Inference [92.48078680697311]
ビデオにおける多目的追跡は、隣接するフレーム内のオブジェクト間の1対1の割り当てに関する根本的な問題を解決する必要がある。
本稿では,各オブジェクトの限界確率をリアルタイムに計算する効率的な手法を提案する。
MOT17とMOT20ベンチマークで競合する結果を得る。
論文 参考訳（メタデータ） (2022-08-07T14:04:45Z) - Tracking Every Thing in the Wild [61.917043381836656]
我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。
実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
論文 参考訳（メタデータ） (2022-07-26T15:37:19Z) - Sparse Regularized Correlation Filter for UAV Object Tracking with
adaptive Contextual Learning and Keyfilter Selection [20.786475337107472]
相関フィルタは無人航空機(UAV)の追跡に広く応用されている。
2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。
本稿では,適応型文脈学習とキーフィルタ選択を用いた新しい$ell_1$正規化相関フィルタを提案する。
論文 参考訳（メタデータ） (2022-05-07T10:25:56Z) - Training Compact CNNs for Image Classification using Dynamic-coded
Filter Fusion [139.71852076031962]
動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。
我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。
我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
論文 参考訳（メタデータ） (2021-07-14T18:07:38Z) - Online Multi-Object Tracking and Segmentation with GMPHD Filter and
Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。
提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。
2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文 参考訳（メタデータ） (2020-08-31T21:06:22Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z) - Probabilistic 3D Multi-Object Tracking for Autonomous Driving [23.036619327925088]
本手法は,NuScenes Tracking Challengeにおいて初となるオンライン追跡手法を提案する。
提案手法は,カルマンフィルタを用いて対象状態を推定する。
NuScenes 検証とテストセットの実験結果から,本手法は AB3DMOT ベースライン法より優れていることが示された。
論文 参考訳（メタデータ） (2020-01-16T06:38:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。