Queue-Aware People Tracking

針對固定攝影機下的排隊場景，以空間規則、隊列狀態與 tracklet recovery 降低 ID switch。

共同開發者 / Co-created with: CHEN,CHIEH-YI

Problem

一般 multi-object tracking 會嘗試追蹤畫面中所有人，但餐飲櫃台、取餐區或走道的真正需求，是穩定辨識「正在排隊的顧客」。當排隊者被遮擋、短暫消失或與路人交錯時，只靠 bounding-box IoU 或外觀 ReID 容易發生 ID switch 與 lost tracking。

本專案把問題重新定義為 queue-aware tracking：先理解固定攝影機下的空間與隊列行為，再進行身分配對。

Proposed pipeline

flowchart LR
    A[Person Detection] --> B[ROI Classification]
    B --> C[Foot Point / Ground Plane]
    C --> D[Queue State Machine]
    D --> E[Queue Order Constraint]
    E --> F[Tracklet Memory & Recovery]
    F --> G[Auxiliary ReID Matching]
    G --> H[Stable Queue IDs]

Loading

Technical decisions

• ROI first：區分排隊區、點餐／取餐區、座位區、走道與離開區，避免所有人共用同一 matching pool。
• Foot point over bbox center：使用 bounding-box bottom center，必要時透過 homography 映射到地面座標。
• Queue state machine：unknown → passerby → queue_candidate → queue_member → service → leaving → ended。
• Order constraint：利用排隊順序通常不會任意交換的先驗，限制不合理的 ID 配對。
• Tracklet recovery：短暫遮擋時保留 queue slot 與 motion memory，不立即建立新 ID。
• ReID as auxiliary evidence：外觀特徵只作為輔助，不單獨決定身分。

匹配成本可組合：

cost = w1 * ground_distance
     + w2 * velocity_consistency
     + w3 * queue_order_penalty
     + w4 * direction_penalty
     + w5 * reid_distance
     + w6 * roi_transition_penalty

PoC evaluation plan

1. 標註 20–30 段容易出現遮擋、ID switch 或 lost tracking 的片段。
2. 固定 detector 與 baseline tracker，避免一次更動太多變因。
3. 比較 baseline 與 queue-aware strategy 的 ID switch、lost-track recovery、IDF1／HOTA，以及人工覆核案例。
4. 分開記錄排隊者與路人，確認改善來自 queue constraints，而不是降低偵測範圍後的假性提升。

Repository scope

這個 public repo 是技術 case study，不包含原始監視器影片、可辨識人臉、客戶場域資訊或 production code。現場素材保留在私人環境；若要公開 demo，必須先取得授權並完成可靠去識別化。

目前狀態是可執行 PoC 的技術設計，不宣稱已完成跨場域、商用品質或零 ID-switch 的驗證。