Evaluation of a Multi-Object Tracking Pipeline : Decomposition of Detection, Tracking, and Prediction on the UA-DETRAC Dataset

Sammanfattning

Denna studie har till syfte att kvantifiera prestandan hos en pipeline för flerobjektspårning och att systematiskt dela upp den samlade spårningsprestandan i pipelinens enskilda steg. Resultatet kan användas som underlag för att bedöma pipelinens lämplighet som komponent i ett system för drönarbekämpning. Utvärderingen genomfördes på samtliga 40 sekvenser i testdelen av datasetet UA-DETRAC. En pipeline byggd kring ramverket tracking-by-detection, bestående av objektdetektion med YOLO26n, dataassociering med ByteTrack och prediktion med polynomregression, utvärderades steg för steg. Detektionen mättes med mean Average Precision (mAP), spårningen med Higher Order Tracking Accuracy (HOTA) och prediktionen med en prediktionshorisont mätt i bildrutor. Resultatet visar att pipelinen är funktionell men begränsad av detektionssteget, eftersom associeringen genomgående håller väl ihop de spår som etableras medan detektionen utgör den primära begränsningen för den samlade spårningskvaliteten. Spårningen kännetecknas av en betydande spårfragmentering, där ett enskilt fordon ofta delas upp på flera identiteter. I prediktionssteget påverkas prediktionshorisonten betydligt kraftigare av polynomgraden än av valet av träningsunderlag, och polynom av låg grad ger en längre horisont.