Tracking by Detectionとは何か：HULIXが人流・点群解析で直面した実装課題

Tracking by Detectionは、まず対象を検出し、その検出結果を時系列でつないで追跡する考え方です。理屈はシンプルですが、現場で安定して動かすのは簡単ではありません。HULIXが複数の領域で追跡技術に取り組んできた中で学んだのは、検出精度だけでは現場KPIは作れないということです。

1. 検出できても、IDが切れるとKPIが崩れる

人数カウントだけなら、各フレームで人が検出できれば成立する場合があります。しかし以下のようなKPIを出すには、同じ対象を同じIDで追い続ける必要があります。

• 滞留時間
• 行列の入列・出列
• ゾーン遷移と回遊率
• ロボットとの接近評価

IDが頻繁に切れると、3分滞在していた人が、30秒ずつの別人として計上されてしまいます。現場判断には使えません。

2. 現場でTrackingが壊れる理由

追跡が難しくなる理由は多くあります。

• 人同士の重なり
• センサーの死角
• 急な方向転換・立ち止まり
• 検出の欠落・チャタリング
• 似た形状の対象（スタッフ同士、同型のロボット）
• ロボットと人のサイズが近いケース
• 点群では、反射や点密度の変化

HULIXでは、対象の位置・速度・方向・サイズ・過去軌跡・ゾーン文脈を組み合わせ、IDを安定維持する設計を行っています。

3. Kalman Filterだけでは足りない場面がある

追跡ではKalman Filterのような予測モデルがよく使われます。一定方向に動く対象には有効ですが、現場では以下のような行動が起きます。

• 人が急に止まる
• 戻る
• 横切る
• ロボットを避ける

このとき、単純な運動予測だけではIDが入れ替わったり、Lostが発生したりします。HULIXでは、運動モデルに加えてゾーン、進行方向、対象種別、現場ルールを使うことが重要だと考えています。

4. 点群におけるTracking by Detection

画像と点群では、使える手がかりが違います。

• 画像：見た目特徴（色、テクスチャ、顔）を使える場合がある
• LiDAR点群：色や顔は使えず、形状・位置・速度・点群分布を手掛かりにする

これは難しさでもありますが、プライバシーに配慮しやすいという利点でもあります。HULIXでは、人・車両・ロボットを同じ空間内の移動主体として扱い、軌跡ベースで空間状態を構築します。

5. 追跡品質はレポート品質に直結する

Trackingは裏側の技術ですが、顧客が見るKPIの信頼性を決めます。滞留時間、行列長、ゾーン遷移、危険接近は、追跡が安定して初めて意味を持ちます。HULIXがTracking by Detectionを重視する理由は、現場の改善判断に使える空間データを作るために、検出と追跡を分けて磨き込む必要があるからです。

まとめ

• 検出だけでは現場KPIは作れない。追跡が成り立つことが鍵
• IDが切れると、滞留・行列・ゾーン遷移の信頼性が崩れる
• 運動予測に加えて、ゾーン・進行方向・現場ルールを組み合わせる
• 点群Trackingは色・顔を使わず、プライバシー配慮と両立しやすい
• 追跡品質は、そのままレポート品質に反映される