형태 인식 칼만 필터를 이용한 세그먼트 기반 UAV 추적 = Segment-based UAV Tracking via Shape-Aware Kalman Filter

국문 초록 (Abstract)

본연구에서는복잡한시각환경에서실시간무인항공기(UAV)추적을위한
세분화기반프레임워크를제안합니다. 기존의추적방식은바운딩박스와
중심기반칼만필터에의존하는데, 이는 일반적으로오클루전, 작은 물체
크기,비선형 UAV 동작에서효과가떨어집니다. 반면, 제안된방법은픽셀
단위의분할마스크를사용하여정밀한객체측위를달성하고 UAV의움직
임과기하학적속성을모두모델링하는모양인식칼만필터를통합합니다.
상태벡터는면적,종횡비,방향을포함하도록확장되어빠른움직임과부분
적인가시성에서도강력한식별을유지할수있습니다. Fast-SCNN은실시
간추론과공간정확도의균형을맞추기위해경량세그먼테이션백본으로
사용됩니다. 제안된프레임워크를 Anti-UAV 데이터세트에서벤치마킹하
여 최첨단 탐지 기반 트래커(YOLOv3, Faster R-CNN, Tracktor)에 비해
경쟁력있는전체추적성능(다중객체추적정확도(MOTA 3.7%) 개선)을
유지하면서 최대 84%까지 ID 전환이 크게 감소하는 것을 입증했습니다.
제안된 프레임워크는 실제 시나리오에서 세분화된 객체 표현, 안정적인
신원 추적, 계산 효율성이 필요한 UAV 모니터링 애플리케이션에 강력한
잠재력을가지고있습니다.

다국어 초록 (Multilingual Abstract)

This study proposes a segmentation-based framework for real-time unmanned
aerial vehicle (UAV) tracking in complex visual environments. Conventional
tracking approaches rely on bounding boxes and centroid-based Kalman filters, which are typically ineffective under occlusion, small object scale, and
nonlinear UAV motion. In contrast, the proposed method uses pixel-wise
segmentation masks to achieve precise object localization and integrates a
shape-aware Kalman filter that models both the motion and geometric properties of UAVs. The state vector is extended to include the area, aspect ratio,
and orientation, thereby enabling robust identity preservation during rapid
movement and partial visibility. Fast-SCNN is used as a lightweight segmentation backbone to balance real-time inference and spatial accuracy. We
benchmark the proposed framework on the Anti-UAV dataset, demonstrating
significant reductions in identity switches by up to 84% while maintaining
competitive overall tracking performance (multiple object tracking accuracy
(MOTA) improvement of 3.7%) compared to state-of-the-art detection-based
trackers (YOLOv3, Faster R-CNN, and Tracktor). The proposed framework
has strong potential for UAV monitoring applications requiring fine-grained
39
object representation, stable identity tracking, and computational efficiency
in real-world scenarios.

목차 (Table of Contents)

• 1. 서론 1
• 1.1 연구 배경 및 목적 1
• 2. 관련 연구 및 배경 4
• 2.1 경계 상자 기반 UAV 탐지 및 추적 4
• 2.2 UAV 추적을 위한 세그멘테이션 표현 5
• 2.3 다중 시각 및 다중 모달 특성 융합 6
• 2.4 UAV 추적에서의 칼만 필터 7
• 3. 제안 방법 9
• 3.1 세그멘테이션 기반 UAV 탐지 9
• 3.2 형상 인식 칼만 필터를 이용한 물체 추적 11
• 3.3 IoU 매칭을 통한 마스크 기반 인스턴스 연결 13
• 3.4 세그멘테이션 기반 추적 프레임워크 15
• 4.실험 20
• 4.1 데이터셋과 평가 지표 20
• 4.1.1 데이터셋 20
• 4.1.2 실험 설정 22
• 4.1.3 평가 지표 23
• 4.2 결과 24
• 4.2.1 벤치마크 트래커와의 비교 (Comparison with Benchmark Trackers) 25
• 4.2.2 마스크 기반 추적 성능 평가(Performance of Direct Mask-based Tracking) 26
• 4.2.3 IDSW 감소 분석(Analysis of IDSW Reduction) 27
• 4.3 Ablation Study 28
• 4.3.1 Model Efficiency for Edge Deployment 28
• 4.3.2 Validation of SAM2-genrated Labels 28
• 4.3.3 Threhold Variation 30
• 5. 결론 32
• 참 고 문 헌 34
• 영 문 요 약 39