Science Tokyo améliore le suivi de personnes dans les benchmarks

Une personne se glisse derrière une autre personne, un objet ou un obstacle. Lorsqu’elle réapparaît dans une autre caméra, le système peut la considérer comme une nouvelle personne. Des chercheurs de l’Institut des sciences de Tokyo, en collaboration avec NEC Corporation, ont mis au point une méthode qui a préservé plus fiablement les identités entre les caméras lors de tests sur des benchmarks, atteignant un score IDF1 de 65,48 sur MMPTrack.

La méthode combine deux indices qui répondent à des aspects différents du problème de mise en correspondance. La géométrie épipolaire décrit la relation spatiale entre deux caméras et réduit la zone où la même personne pourrait apparaître. Le système compare ensuite l’apparence visuelle des candidats restants, en utilisant des caractéristiques d’image pour distinguer les personnes qui constituent des correspondances géométriquement plausibles.

Cette approche ne nécessite pas de remplacer le système de suivi monocaméra existant de chaque caméra. Ces systèmes produisent des tracklets — de courts fragments de déplacement suivis d’une personne — et la nouvelle méthode associe ces fragments entre les caméras. Les chercheurs indiquent qu’elle utilise les relations connues entre les caméras et des caractéristiques d’apparence préentraînées : aucun entraînement supplémentaire propre à chaque environnement n’est donc nécessaire.

Les gains ont été mesurés par rapport à des méthodes existantes sur deux benchmarks de suivi multi-caméras. Sur MMPTrack, le système proposé a obtenu 65,48 en IDF1, contre 62,30 pour MCTR, tandis que son score HOTA — une mesure combinant la précision de la détection et la cohérence des identités — s’est établi à 56,92, contre 55,77 pour MCTR. Sur CAMPUS, il a obtenu 47,37 en IDF1, contre 44,72 pour ByteTrack.

Et concrètement ? Un système qui maintient la cohérence des identités d’un point de vue à l’autre pourrait servir à la vidéosurveillance, à la gestion des transports, à l’exploitation des installations et à l’analyse des flux de piétons, sans nouvel entraînement propre à chaque environnement. Le résultat reste toutefois une méthode au stade du laboratoire : une forte occultation peut empêcher totalement la détection et ne laisser aucun tracklet pour l’association entre les caméras. Les travaux ont été présentés à ICPR 2026 à Lyon et publiés dans Lecture Notes in Computer Science.