Алгоритмы обнаружения и отслеживания объектов на видеопоследовательности

Авторы: Малышев П.В.
Опубликовано в выпуске: #4(93)/2024
DOI:
Раздел: Информатика, вычислительная техника и управление | Рубрика: Информационные технологии. Компьютерные технологии. Теория вычислительных машин и систем
Ключевые слова: алгоритм, обнаружение объектов, отслеживание объектов, видеонаблюдение, системы видеонаблюдения, обработка изображений, модель фона, компьютерное зрение
Опубликовано: 16.09.2024

Рассмотрены алгоритмы обнаружения и отслеживания объектов на видеопоследовательности, выбраны наиболее подходящие методы для распознавания и выделения контуров объектов в видеопотоке без применения машинного обучения. Предложен алгоритм создания простой системы видеонаблюдения. Многие подходы отслеживания объектов сочетают отслеживание, обучение и обнаружение. Алгоритм отслеживания, или так называемый трекер, следует за объектом от кадра к кадру. Алгоритм обнаружения, детектор, локализует все особенности, которые наблюдались до сих пор, и при необходимости корректирует трекер. В процессе обучения ошибки детектора оцениваются и его работа корректируется во избежание этих ошибок в будущем. Отметим, что обучение обнаружению объектов обычно выполняется при условии, что все обучающие примеры помечены. В данной работе рассмотрены алгоритмы и методы, которые можно применить при создании детектора и трекера.

Литература

[1] Darrell T., Pentland A.P. Pfinder: Real-Time Tracking of the Human Body. IEEE PAMI, 1997, vol. 19, iss. 7. http://dx.doi.org/10.1109/34.598236

[2] Verschae R., Ruiz-del-Solar J. Object Detection: Current and Future Directions. Front. Robot. AI, 2015, vol. 2. https://doi.org/10.3389/frobt.2015.00029

[3] Ramakant C., Rohit R., Rohit M., Upasana Si., Alok Kumar S.K., Hiral R. Enhanced the moving object detection and object tracking for traffic surveillance using RBF-FDLNN and CBF algorithm. Expert Systems with Applications, 2021, vol. 191. https://doi.org/10.1016/j.eswa.2021.116306

[4] Bartels A., Zeki S. The architecture of the colour centre in the human visual brain: new results and a review. European Journal of Neuroscience, 2000, vol. 12. https://doi.org/10.1046/j.1460-9568.2000.00905.x

[5] Ren Li, Xian Weifu, Tang Hao, Jiang Yadong, Jia Haitao, Li Jing. Pedestrian and Face Detection with Low Resolution Based on Improved MTCNN. ICCPR 2020: 2020 9th International Conference on Computing and Pattern Recognition, 2020. https://doi.org/10.1145/3436369.3436492

[6] Ochs P., Malik J., Brox T. Segmentation of moving objects by long term video analysis. IEEE transactions on pattern analysis and machine intelligence, 2014, vol. 36. https://doi.org/ 10.1109/TPAMI.2013.242

[7] Yu Zhang, Hongjie Wang, Yongkai Yin, Wenjie Jiang, and Baoqing Sun. Mask-based single-pixel tracking and imaging for moving objects. Opt. Express, 2023, vol. 31, pp. 32554–32564. https://doi.org/10.1364/OE.501531

[8] Lionel Rakai, Huansheng Song, ShiJie Sun, Wentao Zhang, Yanni Yang. Data association in multiple object tracking: A survey of recent techniques. Expert Systems with Applications, 2021, vol. 192. https://doi.org/10.1016/j.eswa.2021.116300

[9] Shanq-Jang Ruan. Illumination-Sensitive Background Modeling Approach for Accurate Moving Object Detection. IEEE Transactions on Broadcasting, 2011, vol. 57 (4), pp. 794–801. https://doi.org/ 10.1109/TBC.2011.2160106

[10] Myung-Cheol Roh, Tae-Yong Kim, Jihun Park, Seong-Whan Lee. Accurate object contour tracking based on boundary edge selection. Pattern Recognition, 2007, vol. 40, iss. 3.