継続的なマルチUAV追跡のためのトポロジー認識時空間ハンドオーバーフレームワーク

要旨

無人航空機（UAV）を高度道路交通システム（ITS）に統合することにより、交通監視における広域視認性が得られるものの、スケーラブルな展開は軌道断片化によって妨げられる。これは、複数UAVの視野（FOV）間で車両識別の永続性が失われる現象である。最先端のフレームワークは、単一ドローンの画像に対する局所的な軌道抽出と安定性の最適化に優れているが、多くの場合、孤立したデータサイロとして機能し、断片化された軌道を生成するため、起終点推定などのネットワークレベルでの分析が不可能となる。本論文では、グローバルな識別永続性を処理するように設計されたリアルタイムマルチカメラ・マルチビークル追跡（MCMT）システムを提案する。直下視における外観ベースの再同定（Re-ID）の視覚的曖昧性と計算コストに対処するため、軽量なトポロジーベースの時空間ハンドオーバ機構を導入する。YOLO11 と ByteTrack を活用した高スループットの並列パイプラインを実装し、同時に複数の 4K ストリームを処理する。我々の主な貢献は、幾何学的重なりと仮想車線分割を利用し、FIFO キューを介して識別ハンドオーバを予測的に管理する決定論的キューイングベースのマッチングアルゴリズムである。交差点や合流交通を含む複雑な都市環境での実験結果は、連続交通流において 99.8% のハンドオーバ成功率（HOSR）を示し、Re-ID ベースライン（74.1%）を大幅に上回るとともに、エッジ展開の実現可能性を実証した。ソースコードは https://github.com/JYe9/multi-camera-multi-vehicle-tracking-system で入手可能である。

English

The integration of Unmanned Aerial Vehicles(UAVs) into Intelligent Transportation Systems (ITS) offers synoptic visibility for traffic monitoring, yet scalable deployment is hindered by trajectory fragmentation, where vehicle identity persistence is lost across multi-UAV Fields of View (FOV). While state-of-the-art frameworks excel in optimizing local trajectory extraction and stability for single-drone imagery, they often function as isolated data silos that generate disjointed trajectories, thereby precluding network-level analysis such as Origin-Destination estimation. This paper presents a real-time Multi-Camera Multi-Vehicle Tracking (MCMT) system designed to handle global identity persistence. Addressing the visual ambiguity and computational cost of appearance-based Re-Identification (Re-ID) in nadir views, we introduce a lightweight Topology-Based Spatiotemporal Handover mechanism. We implement a high-throughput parallel pipeline leveraging YOLO11 and ByteTrack to process concurrent 4K streams. Our core contribution is a deterministic queue-based matching algorithm that utilizes geometric overlaps and virtual lane discretization to predictively manage identity handover via FIFO queues. Experimental results on complex urban environments, including intersections and merging traffic, demonstrate a Handover Success Rate (HOSR) of 99.8% in continuous traffic flows, significantly outperforming Re-ID baselines (74.1%) while validating edge deployment feasibility. The source code is available at https://github.com/JYe9/multi-camera-multi-vehicle-tracking-system.