Multi-object tracking is becoming a significant area in robotics. Algorithms required by robots must take into account performance of embedded resources, and multi-object tracking algorithms are no exception. When multiple algorithms required by a robot are mounted on a low-performance embedded board, the processing time interval of the algorithm can be increased. This means that multi-object tracking algorithm has to operate at low frame rate. However, existing multi-object tracking algorithms have been developed around public datasets that have 10-30fps and may struggle to function at lower frame rate. In response, we introduce a new multi-object tracking algorithm called FocoTrack. This algorithm enhances tracking performance by categorizing situations into four distinct cases. To test the multi-object tracking technique at a low frame rate, we create our own 2.5fps dataset and compare performance of FocoTrack with existing algorithms. We also evaluate the performance on 20fps public dataset called DanceTrack to demonstrate the versatility of FocoTrack.
다중 객체 추적은 로봇 공학에서 중요한 분야로 성장하고 있다. 로봇에 필요한 알고리즘은 내장된 리소스의 성능을 고려해야하며 다중 객체 추적 알고리즘도 이에 해당한다. 성능이 낮은 임베디드 보드가 탑재된 로봇에 다수의 알고리즘들이 있을 때, 알고리즘의 처리에 필요한 시간 간격이 길어질 수 있다. 이는 다중 객체 추적 알고리즘이 낮은 프레임률에서 작동해야 함을 의미한다. 그러나 기존의 다중 객체 추적 알고리즘은 10-30fps로 작동하는 공개 데이터셋을 중심으로 개발되어 이보다 낮은 프레임률에서는 작동하기 어려울 수 있다. 이에 대응하여 본 논문은 FocoTrack이라는 새로운 다중 객체 추적 알고리즘을 소개한다. 이 알고리즘은 상황을 네 가지 구별되는 경우로 분류함으로써 추적 성능을 향상시킨다. 저 프레임률인 2.5fps에서 다중 객체 추적 기술을 테스트하기 위해 자체적으로 데이터셋을 제작하였고 기존 알고리즘과 FocoTrack의 성능을 비교한다. 또한 20fps의 DanceTrack 공개 데이터셋에서도 성능을 평가하여 FocoTrack의 범용성을 입증한다.
