경량 SMC-SORT 기반 온디바이스 실시간 다중 객체 추적 기법

초록

영상에서 다중 객체를 효율적으로 추적하는 것은 자율주행, 영상 감시 등 다양한 분야에서 매우 중요한 과제이다. 최근 딥러닝 기반 트래킹-바이디텍션(tracking-by-detection)패러다임이 발전하여, 정확도가 높은 객체 검출기를 사용한 다중 객체 추적이 주류를 이루고 있다. 그러나 이러한딥러닝 검출 + 추적기 조합은 엣지 디바이스와 같은 제한된 자원 환경에서 실시간으로 동작하기 어렵다. 본 연구에서는 비딥러닝 기법인 가우시안혼합 모델(Gaussian Mixture Model, GMM) 기반 배경 차분으로 객체를 검출하고, 여기에 새롭게 제안하는 경량 추적 기법을 결합함으로써 엣지환경에서 실시간 동작이 가능하면서도 기존 SORT 추적기보다 향상된 정확도를 보이는 다중 객체 추적 방법을 제안한다. 제안 기법은 Kalman필터와 Hungarian 알고리즘을 활용한 SORT의 간결함을 기반으로 하면서 추적 성능의 개선을 도모하였다. 특히 배경 차분으로 검출된 객체의특성을 고려한 추적 갱신 및 오차 처리 기법을 통해 객체가 일정 시간 가려지거나 정지하는 경우에도 객체의 ID를 유지하여 연속성을 높였다. 실험을 통해 제안 방법이 YOLOv5s+DeepSORT와 같은 딥러닝 기반 방법에 비해 현저히 가벼운 연산으로 실시간 처리가 가능하며, 정확도 면에서도SORT 대비 향상된 성능을 달성함을 확인하였다. 또한 Raspberry Pi 5와 Jetson AGX Orin 장치에서 CPU 및 GPU 모드로 실험한 결과, 제안기법이 자원 제약적인 엣지 환경에 적합한 효율성과 성능을 가짐을 검증하였다.

키워드