Resumo Técnico: GenTrack2 – Uma Abordagem Híbrida Aperfeiçoada para Rastreamento de Múltiplos Objetos

Declaração do Problema

O Rastreamento Visual de Múltiplos Objetos (Multi-Object Tracking - MOT) continua sendo um desafio significativo em tarefas robóticas, como manipulação de objetos e navegação autônoma. Os sistemas atuais lutam contra três fatores primários: alta similaridade entre objetos levando à confusão de identidade, oclusões parciais ou completas causando a perda temporária do alvo, e movimento irregular ou imprevisível complicando a associação quadro a quadro.

As abordagens existentes enfrentam limitações específicas:

• Rastreamento por Detecção (Tracking-by-Detection): Embora prevalentes (ex: SORT, DeepSORT, ByteTrack), esses métodos frequentemente dependem de filtros de Kalman que assumem movimento linear e ruído Gaussiano, o que falha em capturar a dinâmica não linear e o ruído não Gaussiano do mundo real.
• Métodos Baseados em Filtros de Partículas: Estes lidam bem com não linearidades, mas enfrentam desafios em espaços de estados de alta dimensão conforme o número de objetos aumenta. Filtros independentes falham durante interações entre objetos, enquanto filtros de múltiplos objetos frequentemente assumem um número fixo de alvos. Os métodos existentes que lidam com contagens variáveis de alvos sofrem de ineficiência computacional, rastros duplicados ou redução de confiabilidade sob mudanças frequentes de alvos.

Metodologia

O artigo propõe o GenTrack2, uma estrutura de rastreamento visual de múltiplos objetos híbrida que integra mecanismos estocásticos e determinísticos para manter a consistência do identificador para números de alvos desconhecidos e variáveis no tempo sob dinâmicas não lineares. O sistema opera em um estado definido por identificadores de alvo ($K_t$) e seus estados ($X_t$), incluindo posição, tamanho, velocidade, penalidades de rastro e idade.

A estrutura consiste em três estágios primários:

1. Amostragem de Partículas Estocástica com Guia de PSO

Em vez de uma amostragem de posterior completa, o método gera partículas ótimas por alvo para convergir em direção aos modos da distribuição de estado.

• Modelo de Movimento: Um modelo de movimento aleatório é usado para lidar com o movimento natural imprevisível, gerando partículas baseadas em estados anteriores ou estados ótimos prévios com perturbações adicionadas.
• Otimização por Enxame de Partículas (Particle Swarm Optimization - PSO): Para guiar as partículas e mitigar a divergência, um algoritmo PSO refina as posições das partículas usando uma nova função de aptidão ($f_{PSO}$) composta por três componentes:
  • Aptidão de Histórico ($f^h_{PSO}$): Mede a similaridade entre a partícula atual e o estado anterior do alvo ótimo.
  • Aptidão de Exploração ($f^p_{PSO}$): Mede a similaridade entre a partícula atual e a atualização de PSO anterior.
  • Aptidão Social ($f^i_{PSO}$): Leva em conta as interações entre alvos vizinhos. Utiliza uma busca de vizinho mais próximo para definir um contexto social, incentivando as partículas a divergirem de estados próximos para reduzir trocas de ID durante oclusões.
• Métrica de Aptidão: A função de similaridade central combina a similaridade de cosseno de características de aparência HoG (Histogram of Oriented Gradients) e custos de distância baseados em movimento.

2. Associação de Dados Determinística

Conjuntos de partículas otimizados são combinados com detecções atuais usando o algoritmo de Hungarian com uma matriz de custo orientada ao alvo ($C_{mat}$) proposta.

• Componentes de Custo: A correspondência integra:
  • Custo de Movimento: Uma combinação de Interseção sobre União (IoU) e custos de distância derivados do conjunto de partículas.
  • Confiança de Detecção: Penaliza detecções de baixa confiança.
  • Penalidades de Rastro: Incorpora penalidades históricas de rastro para priorizar rastros estáveis.
• Gerenciamento de Rastro:
  • Rastros Fortes: Rastros combinados com sucesso são atualizados diretamente.
  • Rastros Fracos: Rastros sem detecções combinadas são tratados cuidadosamente para evitar trocas de ID. Eles utilizam os melhores globais do PSO e informações de vizinhança (se disponíveis) para estimativa de estado.
  • Novos Rastros: Iniciados quando a confiança da detecção excede um limiar.
  • Rastros Expirados: Removidos com base em limites de idade máxima.

3. Atualização de Estado e Regressão de Velocidade

• Tratamento de Rastros Fracos: A atualização de estado para rastros fracos que carecem de detecções desacopla posição e tamanho para evitar crescimento ou encolhimento irrealista durante oclusões prolongadas. As atualções de posição dependem do consenso de vizinhos (se confiável) ou de um mecanismo de força repulsiva para evitar colisões com vizinhos.
• Regressão de Velocidade: Para enfrentar o desafio de prever a velocidade para o próximo quadro (especialmente para rastros fracos), o sistema realiza uma regressão de velocidade sobre uma sequência de $H$ estados passados. Ele calcula uma "velocidade-semente de tendência" analisando uma lista incrementalmente ordenada de inclinações de estados passados. Isso fornece uma estimativa de velocidade robusta para a geração de partículas sem exigir quadros futuros, permitindo a operação em fluxos ao vivo (live streams).

Principais Contribuições

O artigo descreve três contribuições principais:

1. Estrutura Híbrida: Uma nova estrutura que integra filtros de partículas estocásticos (para dinâmicas não lineares) com associação determinística (para consistência de identidade) que lida com números de alvos desconhecidos e variáveis no tempo. Introduz uma matriz de custo generalizada e um esquema de atualização de alvo incorporando interações sociais e otimização PSO.
2. Regressão de Velocidade: Um mecanismo que aproveita estados históricos para melhorar a amostragem de partículas e as atualizações de estado, projetado especificamente para funcionar de forma eficaz sob oclusões e com detectores ruidosos tanto em vídeos pré-gravados quanto em transmissões ao vivo.
3. Implementação de Código Aberto: Provisão de implementações de referência de código fonte tanto para o método proposto quanto para os rastreadores comparados para facilitar a reimplantação e uma avaliação comparativa justa.

Resultados Experimentais

O método foi avaliado na sequência MOT17-04 (1050 quadros, 30 fps, resolução 1920×1080) focando no rastreamento humano com detecções fracas e ruidosas. As comparações foram feitas contra rastreadores de última geração (SORT, DeepSORT, ByteTrack, BoT-SORT, OC-SORT, SMILEtrack, ConfTrack) utilizando as mesmas detecções e o solo verdadeiro (ground truth).

Métricas de Desempenho:

• Precisão Média de Rastreamento (ATA): 66.903 (Proposto) vs. 56.174 (SORT) e 52.241 (ConfTrack).
• IDF1: 93.878 (Proposto) vs. 90.302 (ConfTrack).
• HOTA: 70.044 (Proposto) vs. 68.345 (ConfTrack).
• MOTA: 85.717 (Proposto) vs. 82.778 (ConfTrack).
• Trocas de ID (IDSW): 3 (Proposto) vs. 58 (ConfTrack) e 103 (SORT).

Os resultados indicam que o GenTrack2 supera os métodos existentes em múltiplas métricas, com melhorias particularmente significativas na precisão de rastreamento (ATA) e consistência de identidade (baixo IDSW). O sistema alcançou esses resultados utilizando apenas 8 partículas por alvo, permitindo a aplicação em tempo real em hardware apenas com CPU.

Significância

O artigo afirma que o GenTrack2 oferece uma solução robusta para aplicações de MOT no mundo real ao lidar efetivamente com dinâmicas não lineares, ruído não Gaussiano e contagens variáveis de alvos sem o ônus computacional dos filtros de partículas de múltiplos objetos tradicionais. Ao manter com sucesso as identidades dos alvos durante oclusões e interações prolongadas, e ao operar de forma flexível tanto em vídeos pré-gravados quanto em transmissões ao vivo, o método aborda lacunas críticas nos paradigmas atuais de rastreamento. Os autores observam que o método é amplamente insensível às configurações de parâmetros e alcança um forte desempenho com recursos computacionais mínimos.