다중 객체 추적
다중 객체 추적(MOT)은 비디오 프레임 전반에 걸쳐 보행자, 자동차, 플레이어 등 많은 객체를 추적하여 시간이 지남에 따라 각 객체에 일관된 ID를 제공합니다.
개요
It's the backbone of autonomous driving perception, sports analytics, and smart-city traffic monitoring.
심층 분석
다중 객체 추적은 '각 프레임에 무엇이 있는지'뿐만 아니라 '프레임 2의 감지가 프레임 1과 동일한 객체'에 대한 답변도 제공합니다. 주요 패러다임은 감지별 추적입니다. YOLO와 같은 객체 감지기가 각 프레임마다 경계 상자를 찾은 다음 추적기가 시간에 따라 이를 궤적에 연결합니다. SORT는 각 객체가 이동할 위치를 예측하는 칼만 필터와 최적의 상자 일치를 위한 헝가리 알고리즘을 결합합니다. DeepSORT는 학습된 모양 임베딩을 추가하여 폐색 후 객체를 다시 식별할 수 있습니다. ByteTrack은 신뢰도가 낮은 감지를 삭제하는 대신 연결하여 정확성을 향상했습니다. 주요 어려움은 폐색, 신원 전환(객체가 교차할 때 ID 교환), 혼잡한 장면, 프레임에 들어오거나 나가는 객체입니다.
기술적 통찰력
추적기는 모션 모델을 사용하여 각 개체에 대한 '트랙'을 유지합니다. 칼만 필터는 각 트랙의 다음 위치를 예측합니다. 새로운 감지는 비용(중복/IoU 및 모양 유사성)을 계산하고 헝가리 알고리즘으로 할당을 해결하여 예측과 일치됩니다. 재식별 네트워크의 컴팩트한 특징 벡터인 모양 임베딩을 사용하면 객체가 잠시 숨겨진 후 시스템이 올바른 ID를 복구할 수 있으므로 혼잡한 장면에서 순수 모션 모델이 겪게 되는 ID 전환을 방지할 수 있습니다.
전략적 영향
속도와 규모
Visual AI는 대규모 검사, 감지 및 태그 지정 작업을 자동화할 수 있습니다.
빌드 선택
크리에이티브 팀은 수동 수정 횟수를 줄여 컨셉의 프로토타입을 더 빠르게 제작할 수 있습니다.
팀과 워크플로우
이전에는 처리하기 어려웠던 이미지 및 비디오 신호를 작업에 사용할 수 있습니다.
다중 객체 추적의 미래
추적은 취약한 수동 조정 매칭 단계를 제거하여 하나의 네트워크에서 객체를 공동으로 감지하고 연결하는 엔드투엔드 변환기 모델(예: TrackFormer 및 MOTR)로 이동하고 있습니다. 자율주행 차량 및 대규모 장소에 대한 더욱 강력한 멀티 카메라 및 3D 추적 기능과 고정된 범주가 아닌 임의의 개방형 어휘 개체에 대한 추적을 기대합니다. 풍부한 시각적 기능을 제공하는 기초 모델의 도움을 받아 더 나은 장기적인 재식별과 심한 폐색 및 군중에 대한 견고성은 여전히 활성 목표로 남아 있습니다.
실제 구현
주변 자동차, 자전거 타는 사람, 보행자를 추적하여 경로를 예측하고 충돌을 방지하는 자율 차량 인식
모든 선수와 공을 추적하여 이동 거리, 포메이션, 점유 통계를 계산하는 스포츠 분석
차량 수를 세고 따라가며 흐름을 측정하고 혼잡도를 감지하며 시간 신호를 보내는 스마트 시티 교통 시스템
매장 내 쇼핑객의 이동이나 대중교통 허브를 통한 사람들의 이동을 추적하는 소매 및 보안 분석
위험 및 가드레일
출처가 불분명할 경우 이미지 권리 및 동의는 법적 위험이 될 수 있습니다.
모델 성능은 조명, 인구통계, 환경에 따라 달라질 수 있습니다.
신뢰도 임계값을 모니터링하지 않으면 거짓양성이 발견되지 않을 수 있습니다.
구현 로드맵
정밀도, 재현율, 오류 비용에 대한 허용 기준을 정의합니다.
실제 생산 조건과 일치하는 데이터로 테스트합니다.
신뢰도가 낮거나 영향력이 큰 예측에 대해 인적 검토를 추가합니다.
모델 드리프트를 추적하고 카메라 또는 데이터 세트가 변경된 후 재검증합니다.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Multi-Object Tracking quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
객체 감지
자주 묻는 질문
What is Multi-Object Tracking?
다중 객체 추적(MOT)은 비디오 프레임 전반에 걸쳐 보행자, 자동차, 플레이어 등 많은 객체를 추적하여 시간이 지남에 따라 각 객체에 일관된 ID를 제공합니다. 이는 자율 주행 인식, 스포츠 분석, 스마트 시티 교통 모니터링의 중추입니다.
다중 객체 추적의 핵심 목표는 무엇입니까?
MOT는 각 객체가 비디오를 통해 이동할 때 일관된 ID를 할당하고 유지하여 시간 경과에 따른 감지를 궤적에 연결합니다.
'탐지별 추적' 패러다임에는 무엇이 포함됩니까?
감지별 추적은 매 프레임마다 객체 감지기를 실행한 다음 시간에 따라 결과 상자를 연속 트랙에 연결합니다.
SORT와 같은 추적기에서 Kalman 필터는 어떤 역할을 합니까?
칼만 필터는 각 객체의 모션을 모델링하고 다음 위치를 예측한 후 새로운 감지와 일치시킵니다.
DeepSORT는 SORT 외에 무엇을 추가했나요?
DeepSORT는 객체가 잠시 숨겨진 후 다시 식별될 수 있도록 모양 특징 벡터를 도입하여 ID 전환을 줄였습니다.
다중 객체 추적에서 '신원 전환'이란 무엇입니까?
ID 전환은 추적기가 객체 간 ID를 잘못 재할당할 때 발생하며, 일반적으로 혼잡한 장면에서 객체가 겹치거나 교차할 때 발생합니다.