論文の概要: Tracking the Unseen: An Occlusion-Robust Framework for Target Tracking Under Full and Long-Term Occlusion
- arxiv url: http://arxiv.org/abs/2609.17427v1
- Date: Tue, 15 Sep 2026 16:41:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.624383
- Title: Tracking the Unseen: An Occlusion-Robust Framework for Target Tracking Under Full and Long-Term Occlusion
- Title（参考訳）: 目視の追跡: 完全かつ長期の排除下での目標追跡のためのOcclusion-Robustフレームワーク
- Abstract要約: リアルタイムマルチオブジェクトトラッキングシステムは、カメラの視野から一時的にまたは完全に消える、フルおよび長期の閉塞に対して脆弱である。
本研究は,目標識別と軌道継続性を維持するオクルージョン・ロバスト目標追跡フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time multi-object tracking systems remain highly vulnerable to full and long-term occlusion, where targets temporarily or completely disappear from the camera's field of view. Conventional trackers may terminate trajectories prematurely, resulting in identity loss and reduced situational awareness in applications such as defense and surveillance. This work proposes an occlusion-robust target tracking framework that maintains target identity and trajectory continuity through the integration of YOLOv11n object detection, Kalman Filter motion prediction, and occlusion-aware appearance-based re-identification. The framework consists of three stages: object detection, position estimation during occlusion, and identity recovery after target reappearance. Six Re-Identification (Re-ID) architectures were evaluated within the same tracking framework under identical conditions, with the Occlusion-Aware Mask Network (OAMN) achieving the best overall performance and therefore selected for the final pipeline. The framework was benchmarked against OccluTrack on the public OVIS dataset, achieving relative improvements of 18.1 percent in Multiple Object Tracking Accuracy (MOTA) and 25.1 percent in Identity F1 Score (IDF1), while reducing identity switches by 12.8 percent. On a custom military dataset simulating surveillance and battlefield-like environments with long-term occlusion, the framework achieved a MOTA of 0.734 and an IDF1 of 0.729, corresponding to relative improvements of 14.2 percent and 5.8 percent over OccluTrack. The system demonstrated strong tracking continuity, robust identity preservation, and reliable trajectory estimation under challenging occlusion conditions, highlighting its effectiveness for defense-related surveillance applications requiring continuous target tracking during visibility loss.
- Abstract（参考訳）: リアルタイムマルチオブジェクトトラッキングシステムは、カメラの視野から一時的にまたは完全に消える、フルおよび長期の閉塞に対して非常に脆弱なままである。
従来のトラッカーは早期に軌道を停止し、IDの喪失と防衛や監視などの応用における状況意識の低下をもたらす。
本研究は, YOLOv11nオブジェクト検出, カルマンフィルタの動作予測, およびオクルージョン・アウェアの外観に基づく再識別の統合により, 目標の識別と軌道連続性を維持するオクルージョン・ロバスト目標追跡フレームワークを提案する。
このフレームワークは,物体検出,閉塞時の位置推定,ターゲット再出現後の同一性回復の3段階からなる。
6つの再同定(Re-ID)アーキテクチャが同一条件下で同一のトラッキングフレームワーク内で評価され、Occlusion-Aware Mask Network (OAMN) が最高性能を達成し、最終パイプラインに選択された。
このフレームワークはパブリックなOVISデータセットでOccluTrackに対してベンチマークされ、Multiple Object Tracking Accuracy (MOTA)が18.1%、IDF1 Score (IDF1)が25.1%、IDスイッチが12.8%削減された。
監視と戦場のような環境を再現した独自の軍事データセットにおいて、このフレームワークはOccluTrackに対する14.2%と5.8%の相対的な改善に対応して、MOTA 0.734 と IDF1 0.729 を達成した。
本システムは,視認性喪失時に連続目標追跡を必要とする防衛関連監視アプリケーションにおいて,強い追跡継続性,堅牢なアイデンティティ保存,信頼性の高い軌跡推定を実現した。
関連論文リスト
- Human-Aware Target Tracking and Navigation: Fusing Kinematic State Estimation with Structural Map Constraints [3.9308813646788625]
本研究は,地図インフォームド空間推論による目標閉塞に対処するエンド・ツー・エンドの自律ナビゲーションスタックを提案する。
提案システムは,2次元LiDAR点クラスタリングによる深層学習に基づく視覚的トラッキングを融合して,タグ付き人物の高忠実度追跡を行うマルチモーダル認識パイプラインを備える。
密集した多人数環境における実世界の評価は、システムの堅牢性を示し、71.4%の目標再獲得成功率を達成した。
論文 参考訳（メタデータ） (2026-09-07T06:31:17Z) - RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes [55.15267980622371]
RRTrackは効率的で復元可能なオブジェクト6Dポーズトラッカーである。
高速な動きと目標の消光によるロバストな追跡を可能にする。
実験の結果、RRTrackはADD-S ARを66.3%改善し、ADD-S AUCを65.7%改善した。
論文 参考訳（メタデータ） (2026-07-26T14:05:46Z) - REMIND: RE-Identification with Memory for INDoor Navigation [39.146761527401424]
モノクロRGB画像からの屋内ジェネリックオブジェクトの長期的多目的再識別のためのオンライントラッカー。
視覚的認知の証拠によって、人間は明示的な自己ローカライゼーションではなく、蓄積した外観の親しみと空間的コンテキストに依存している。
ScanNet++では、すべてのシーンで1つのエンドツーエンド検出を除いて、すべての設定で最高のIDF1を達成している。
論文 参考訳（メタデータ） (2026-07-10T10:30:50Z) - Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。
ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。
提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
論文 参考訳（メタデータ） (2026-02-13T02:56:34Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - LRR: Language-Driven Resamplable Continuous Representation against Adversarial Tracking Attacks [27.251934234589967]
最先端トラッカー(SOTA)は、入ってくるフレームの対向的摂動に直面すると、しばしば失敗する。
関心対象の意味的テキストガイダンスを用いた時空間連続表現の構築を提案する。
本手法は,UAV123の相対的改善率約90%で,敵攻撃時の追跡精度を有意に向上させる。
論文 参考訳（メタデータ） (2024-04-09T12:13:40Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z) - Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。
私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。
第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文 参考訳（メタデータ） (2020-12-15T16:54:45Z) - A single target tracking algorithm based on Generative Adversarial
Networks [0.0]
閉塞防止機能を有する単一目標追跡アルゴリズムを提案する。
実際の性能では,アルゴリズムは隠蔽されたデータセットのターゲットの追跡に成功している。
論文 参考訳（メタデータ） (2019-12-27T02:55:48Z)
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。