カメライベントの重複は、トラッカーが一度アイデンティティを失い、同じ対象を新しいトラックIDで再取得したときによく発生します。
人物が車庫へのアラートを1件発生させ、駐車中の車の後ろに隠れ、敷地から一度も出ていないのに数秒後に再びアラートを発生させることがあります。検出結果では依然として1人ですが、トラッキング層では2つの軌跡として表現される場合があります。ユーザーに1件のイベントが届くか2件届くかは、再取得の信頼度、空白時間のウィンドウ、ゾーンロジック、そしてNVRがどこで重複排除を行うかによって決まります。
検出、トラッキング、イベントはそれぞれ異なるアイデンティティを使用する
検出器は、個々のフレームに対してバウンディングボックスとクラススコアを生成します。トラッカーはそれらのボックスを時間軸上で関連付け、一時的なアイデンティティを割り当てます。次にイベントロジックが、ゾーンを横切った軌跡、一定時間とどまった軌跡、または特定のクラスに一致する軌跡を、通知や保存イベントにするかどうかを判断します。これらは関連する層ではありますが、1つの同じものではありません。
物体トラッキングは、動きや外観の手がかりを使って画像シーケンス内の検出結果を関連付けます。その関連付けが途切れると、検出器は正しく動作していても、トラッカーが同じ物理的対象に新しいアイデンティティを作成することがあります。
イベントエンジンがアラートをトラックIDに直接紐付けている場合、新しいアイデンティティは新しい訪問者のように見えます。一方、より長いインシデントウィンドウ、ゾーン占有、または外観の一致を基準にしている場合は、2つ目のトラックが統合される可能性があります。したがって、イベントの重複は、一時的なトラックのアイデンティティと、ユーザーが認識する1つのインシデントの意味との境界を浮き彫りにします。
遮蔽とカバレッジの空白が再取得の必要性を生む
継続的に視認できている間、トラッカーは動きを予測し、新しい検出結果を既存の軌跡に照合します。遮蔽、グレア、低照度、画面端からの退出、推論フレームの欠落によって、その証拠が失われます。空白が長くなるほど、位置と外観について想定される不確実性の範囲は大きくなります。
カメラ間ハンドオフに関する技術ブリーフィングでは、遮蔽、カバレッジの空白、アイデンティティの切り替わり、外観の曖昧さが主要な失敗要因として挙げられています。再識別によって一部の空白を埋めることはできますが、その信頼度は照明、角度、解像度、そして対象の特徴がどの程度残っているかに左右されます。
トラッカーは2種類のエラーのどちらかを選ばなければなりません。古いIDをあまりに簡単に再利用すると別人を統合してしまう可能性があり、より強い証拠を要求すると1人の人物が複数のトラックに分割される可能性があります。再取得のしきい値はこのバランスを変えるため、重複削減は誤ったアイデンティティの連続性を生むリスクと切り離して考えることはできません。
イベントウィンドウが分割されたトラックを重複として扱うかどうかを決める
重複排除は、トラッカー自体を超えて短期間の状態を保持します。直前のクラス、ゾーン、方向、外観埋め込み、タイムスタンプなどを記憶し、設定された関連ウィンドウ内に入る新しいイベントを抑制または統合することがあります。これにより、技術的には2つのトラックが、ユーザー向けには1つのインシデントとして扱われます。
時間的一貫性が重要なのは、安定したイベント出力には、信頼度の高い1フレームだけでなく、時間をまたいだ証拠が必要だからです。クールダウンは繰り返しを抑制し、継続性ルールは後の観測が先のイベントを妥当に引き継いでいるかどうかを判断します。
ウィンドウを長くすると、より多くの再取得を捉えられる一方、近い時間に到着した別々の訪問者まで統合する可能性があります。短くするとインシデントを分離しやすくなりますが、重複アラートは増えます。ゾーンの境界と方向は曖昧さを減らせます。妥当な経路でつながっている2つのトラックは、単にクラスとタイムスタンプを共有しているだけの2つの検出結果よりも、安全に統合できます。
適切な指標でアイデンティティエラーとアラートエラーを分離する
トラックの品質とアラートの品質は、分けて測定すべきです。アイデンティティの切り替わり、断片化、再取得までの遅延は、トラッキング層を表す指標です。重複通知率、異なるインシデントを統合してしまう率、最初のアラートまでの時間は、イベント層を表す指標です。重複排除によってトラッキングの欠陥が隠れる可能性があるため、一方が改善しても他方が悪化することがあります。
マルチオブジェクトトラッキングの研究レビューでは、検出、関連付け、軌跡の断片化、アイデンティティ切り替えの問題が区別されています。家庭での有用なテストでは、まず物理的なインシデントをラベル付けし、その正解データと照らし合わせて技術的なトラックと最終的な通知を比較します。
実際のところ、再取得のしきい値だけで分割と誤った統合の両方をなくすことはできません。まずシーンに合わせてトラッカーを調整し、次にユーザーが重視する通知上の意味に合わせてイベントウィンドウを調整してください。重複件数が少ないからといって、無関係なイベントを過度に統合している状態が隠れないよう、元のトラック情報は利用できる状態にしておきましょう。
テック&AIハブ
もっと読む

Why Jellyfin Home-Server Architecture Changes as You Add Services
A Jellyfin box becomes a service stack as more apps are added, so CPU, storage, network, secrets, backups, and recovery boundaries need explicit ownership.

How to Measure Jellyfin Performance Without Mistaking Cache for Capacity
A reliable Jellyfin benchmark labels cold and warm state separately so cached metadata or filesystem pages are not mistaken for permanent hardware capacity.

How Much iGPU Headroom Does Multi-User Jellyfin Need?
Jellyfin iGPU headroom is workload-specific: reserve margin above the hardest repeatable concurrent transcode mix, not an arbitrary utilization percentage.

