현재 검출 기반 다중 객체 추적 패러다임의 한계를 해결하기 위해, 본 논문은 DeepSort를 기본 알고리즘으로 연구하여 추적 과정에서 가림 현상으로 인한 객체 ID의 빈번한 전환 문제를 해결하고자 한다. 먼저 외관 모델을 개선하여 기존의 와이드 레지듀얼 네트워크를 ResNeXt 네트워크로 교체하고, 백본 네트워크에 컨볼루션 주의 메커니즘을 도입하여 새로운 보행자 재식별 네트워크를 구성하여 모델이 객체의 핵심 정보에 더 주목하고 더 효과적인 특징을 추출하도록 하였다. 그 다음 YOLOv5를 검출 알고리즘으로 사용하며, 검출 레이어를 추가하여 다양한 크기의 객체에 적응하도록 하고, 백본 네트워크에 좌표 주의 메커니즘을 추가하여 검출 모델의 정확도를 더욱 향상시켰다. MOT16 데이터셋에서 다중 객체 추적 실험을 수행한 결과, 다중 객체 추적 정확도는 66.2%, 다중 객체 추적 정밀도는 80.8%에 도달하였으며 실시간 추적 요구 사항도 충족하였다.

다중 객체 추적; 보행자 재식별; YOLOv5; 주의 메커니즘; 딥러닝