moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2026.61.10.003 2560 Обоснование высоты установки камеры и стратегии сопровождения пешеходов в зависимости от плотности потока Justification of camera mounting height and pedestrian tracking strategy as a function of flow density Никашов Илья Алексеевич Nikashov Ilya Alekseevich inikashov@vlsu.ru aff-1 Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletov 01 01 2026 1 1 10.26102/2310-6018/2026.61.10.003 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В работе рассматривается выбор высоты установки камеры и стратегии сопровождения пешеходов – по ограничивающим прямоугольникам тела или головы – в зависимости от плотности потока. Высота установки и наблюдаемая часть тела при заданной плотности потока во многом задают окклюзию в кадре и тем самым ограничивают достижимое качество многообъектного сопровождения еще до выбора алгоритма. Качество измеряется интегральной метрикой сопровождения высшего порядка, а для каждой стратегии оценивается минимальная высота установки, при которой это качество достигает заданного уровня. Оценка выполнена на синтетических видеопоследовательностях, которые воспроизводят реальный пешеходный поток при управляемой геометрии съемки, недостижимой на натурных записях с заранее заданным ракурсом. Вычислительный эксперимент охватывает шесть высот установки от 2 до 12 м и диапазон плотности от свободного движения до плотного потока. Для сопровождения по телам требуемая высота монотонно растет с плотностью и в плотных режимах выходит за практический предел, тогда как сопровождение по головам обеспечивает то же качество на высоте не более 6 м. Полученная зависимость применима на этапе проектирования систем видеонаблюдения для согласования высоты установки и стратегии наблюдения с ожидаемой плотностью потока.

The choice of camera mounting height and pedestrian tracking strategy – by body or head bounding boxes – is examined as a function of flow density. The mounting height and the observed body part govern mutual occlusions in the image and thereby cap the achievable quality of multi-object tracking before any tracker is chosen. Quality is measured by an integral higher-order tracking metric, and for each strategy the minimum mounting height at which this quality reaches a target level is estimated. The estimation uses synthetic video sequences that reproduce a real pedestrian flow under controllable acquisition geometry that is unattainable in field recordings with a predetermined viewpoint. The computational experiment spans six mounting heights from 2 to 12 m and a density range from free flow to dense flow. For body tracking the required height grows monotonically with density and exceeds the practical limit in dense regimes, whereas head tracking attains the same quality at a height of no more than 6 m. The obtained dependence is applicable at the design stage of video surveillance systems for matching the mounting height and observation strategy to the expected pedestrian flow density.

 многообъектное сопровождение установка камеры высота установки плотность пешеходного потока окклюзия сопровождение по головам имитационное моделирование видеонаблюдение multi-object tracking camera placement mounting height pedestrian density occlusion head tracking simulation modeling video surveillance Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Milan A., Leal-Taixé L., Reid I., Roth S., Schindler K. MOT16: A benchmark for multi-object tracking. arXiv. URL: https://doi.org/10.48550/arXiv.1603.00831 [Accessed 15th May 2026]. Luiten J., Os̆ep A., Dendorfer P., et al. HOTA: A higher order metric for evaluating multi-object tracking. International Journal of Computer Vision. 2021;129(11):548–578. https://doi.org/10.1007/s11263-020-01375-2 Erdem U.M., Sclaroff S. Automated camera layout to satisfy task-specific and floor plan-specific coverage requirements. Computer Vision and Image Understanding. 2006;103(3):156–169. https://doi.org/10.1016/j.cviu.2006.06.005 Волхонский В.В., Ковалевский В.А. Метод оптимизации параметров установки камеры для видеоконтроля зоны наблюдения произвольной формы. Научно-технический вестник информационных технологий, механики и оптики. 2023;23(5):927–934. https://doi.org/10.17586/2226-1494-2023-23-5-927-934 Limanta F., Uto K., Shinoda K. CAMOT: Camera angle-aware multi-object tracking. In: Proceedings of the 2024 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 03–08 January 2024, Waikoloa, HI, USA. IEEE; 2024. P. 6465–6474. https://doi.org/10.1109/WACV57701.2024.00635 Sundararaman R., De Almeida Braga C., Marchand E., Pettré J. Tracking pedestrian heads in dense crowd. In: Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 20–25 June 2021, Nashville, TN, USA. IEEE; 2021. P. 3864–3874. https://doi.org/10.1109/CVPR46437.2021.00386 Zhang Y., Chen H., Lai Zh., Zhang Z., Yuan D. Handling heavy occlusion in dense crowd tracking by focusing on the heads. In: AI 2023: Advances in Artificial Intelligence: 36th Australasian Joint Conference on Artificial Intelligence: Part I, 28 November – 01 December 2023, Brisbane, QLD, Australia. Singapore: Springer; 2023. P. 79–90. https://doi.org/10.1007/978-981-99-8388-9_7 Helbing D., Molnár P. Social force model for pedestrian dynamics. Physical Review E. 1995;51(5):4282–4286. https://doi.org/10.1103/PhysRevE.51.4282 Dendorfer P., Rezatofighi H., Milan A., et al. MOT20: A benchmark for multi object tracking in crowded scenes. arXiv. URL: https://doi.org/10.48550/arXiv.2003.09003 [Accessed 15th May 2026]. Simsek F.E., Cigla C., Kayabol K. SOMPT22: A surveillance oriented multi-pedestrian tracking dataset. arXiv. URL: https://doi.org/10.48550/arXiv.2208.02580 [Accessed 15th May 2026]. NCD Risk Factor Collaboration (NCD-RisC). A century of trends in adult human height. eLife. 2016;5:e13410. https://doi.org/10.7554/eLife.13410 Mather G. Head-body ratio as a visual cue for stature in people and sculptural art. Perception. 2010;39(10):1390–1395. https://doi.org/10.1068/p6737 Cao J., Pang J., Weng X., Khirodkar R., Kitani K. Observation-centric SORT: Rethinking SORT for robust multi-object tracking. In: Proceedings of the 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 17–24 June 2023, Vancouver, BC, Canada. IEEE; 2023. P. 9686–9696. https://doi.org/10.1109/CVPR52729.2023.00934 Bewley A., Ge Z., Ott L., Ramos F., Upcroft B. Simple online and realtime tracking. In: Proceedings of the 2016 IEEE International Conference on Image Processing (ICIP), 25–28 September 2016, Phoenix, AZ, USA. IEEE; 2016. P. 3464–3468. https://doi.org/10.1109/ICIP.2016.7533003 Zhang Y., Sun P., Jiang Y., et al. ByteTrack: Multi-object tracking by associating every detection box. In: Computer Vision – ECCV 2022: 17th European Conference: Part XXII, 23–27 October 2022, Tel Aviv, Israel. Cham: Springer; 2022. P. 1–21. https://doi.org/10.1007/978-3-031-20047-2_1

The authors declare that there are no conflicts of interest present.