9152

رديابي هوشمند چندموضوع در تصاوير ويدئويي

كارشناسي

مهندسي برق گرايش الكترونيك

1403

دكتر شهريار برادران شكوهي

1403/06/24

مهندسي برق

Video-Based Intelligent Multi-Object Tracking

رديابي اشياء در حوزه تحليل و پردازش ويدئو يك كار حياتي است كه نه‌تنها مكان و كلاس اشياء را در فريم شناسايي مي‌كند، بلكه يك شناسه منحصربه‌فرد را براي هر شيء شناسايي شده با پيشرفت فريم‌هاي ويديو حفظ مي‌كند. كاربردهاي رديابي بي حد و حصر هستند. از نظارت و امنيت گرفته تا تجزيه و تحليل پروتكل‌هاي ورزشي در زمان واقعي. مشكل رديابي چند شيء در يك توالي ويديو چندين چالش به‌همراه دارد. براي رديابي با تشخيص، اين موارد شامل شناسايي مجدد شيء، پيش‌بيني حركت و برخورد با انسداد است. يكي از چالش‌هاي اصلي رديابي در تصاوير ويدئويي، مسئله انسداد آن با اشياء ديگر يا پس‌زمينه است؛ هنگامي‌كه اين هدف در انسداد با شئ ديگري قرار مي‌گيرد، بخشي از آن در چندين فريم متوالي توسط شئ ديگر پوشانده مي‌شود. در اين پروژه، ردياب (بدون زنگ و سوت ) Tracktor ارائه مي‌شود كه رديابي را بدون نياز به ديتاست‌هاي مختص رديابي و صرفاً استفاده از يك آشكارساز انجام مي‌دهد؛ به‌طوري‌كه، هيچ آموزش يا بهينه‌سازي در مورد داده‌هاي رديابي انجام نمي‌شود و تنها از رگرسيون جعبه مرزي آشكارساز براي پيش‌بيني موقعيت شيء در فريم بعدي استفاده مي‌‌شود. در اين پروژه، الگوريتم ردياب ارائه شده و با گسترش آن با مدل شناسايي مجدد، مشكل انسداد تا حدودي حل مي‌گردد؛ سپس، تجزيه و تحليلي در مورد عملكرد روش‌هاي رديابي ديگر در مقايسه با Tracktor انجام داده شده است. براساس گفته مقاله، هيچ يك از روش‌هاي رديابي اختصاصي در برخورد با سناريوهاي رديابي پيچيده، يعني اشياء كوچك و مسدود شده، به طور قابل توجهي بهتر نيستند. با آموزش مدل آشكارساز با 16 بار تكرار، به دقت 82.07 درصد و معيار فراخوان 91.5 درصد رسيده‌ايم. همچنين دقت معيار MOTA براي ردياب به مقدار 57.7 درصد رسيده است.

بينايي ماشين , رديابي , ويدئو , يادگيري عميق , شبكه هاي عصبي