Detecção e Rastreamento de Objetos Acoplados a partir de Câmeras Estáticas e Veículos em Movimento

Apresentamos uma nova abordagem para rastreamento de múltiplos objetos que considera a detecção de objetos e a estimativa de trajetória espaço-temporal como um problema de otimização acoplado. Nossa abordagem é formulada em um quadro de seleção de hipóteses de Comprimento Mínimo da Descrição, que permite recuperar de desacoplamentos e rastros temporariamente perdidos. Baseando-se em um detector de objetos de última geração, realiza reconhecimento de objetos multivista/multicategoria para detectar carros e pedestres nas imagens de entrada. As detecções de objetos 2D são verificadas quanto à sua consistência com a geometria da cena (estimada automaticamente) e são convertidas em observações 3D que são acumuladas em um sistema de coordenadas do mundo. Um módulo subsequente de estimativa de trajetória analisa as observações 3D resultantes para encontrar trajetórias espaço-temporais fisicamente plausíveis. O rastreamento é alcançado realizando a seleção de modelo após cada quadro. A cada instante de tempo, nossa abordagem busca o conjunto globalmente ótimo de trajetórias espaço-temporais que fornece a melhor explicação para a imagem atual e para todas as evidências coletadas até agora, enquanto satisfaz as restrições de que dois objetos não podem ocupar o mesmo espaço físico, nem explicar os mesmos pixels da imagem em qualquer ponto no tempo. Hipóteses de trajetória bem-sucedidas são então retroalimentadas para guiar a detecção de objetos em quadros futuros. O procedimento de otimização é mantido eficiente através de computação incremental e poda conservadora de hipóteses. Avaliamos nossa abordagem em várias sequências de vídeo desafiadoras e demonstramos seu desempenho tanto em um cenário de tipo vigilância quanto em um cenário onde os vídeos de entrada são obtidos de dentro de um veículo em movimento passando por áreas urbanas lotadas.