ノンパラメトリックベイズに基づく複数対象時系列のクラスタリングとトラッキング

摘要

従来の複数対象トラッキング手法は，すべての追跡対象について一つのダイナミックスモデルを適rn用することが多い．しかし，シーン内に存在するすべての対象が常に同一のダイナミックスに従うとは考えにくrnい．この間題に対処するためには複数のダイナミックスパターンが必要となるが，シーンの解析前に適切な数のrnダイナミックスパターンをすべて人手で決定することは困難であり，自動的に学習できることが望ましい．複数rnのダイナミックスパターンを学習する問題は，時系列データを複数のパターンにクラスタリングし，各クラスタrnごとに適切なパラメータを推定する問題ととらえることができる．本論文では，複数の移動対象をトラッキングrnするとともに，同時にそれらをクラスタリングしてダイナミックスモデルを学習する確率的な生成モデルを提案rnする．人工データ，及び実動画データを用いた実験を通じて，提案モデルがトラッキングとダイナミックスのクrnラスタリングを同時に実硯可能であること，またトラッキング自体の性能も向上することを示した．