Аналіз алгоритмів візуального відстежування об’єктів для систем реального часу

Микола Мороз

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

orcid.org/0000-0001-6953-683X

Денис Берестов

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

orcid.org/0000-0002-3918-2978

Олег Курченко

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

orcid.org/0000-0002-3507-2392

Анотація

DOI: https://doi.org/10.17721/AIT.2021.1.08

У статті проведено аналіз останніх досягнень та рішень у процесі візуального супроводу цільового об’єкта у галузі комп’ютерного зору, розглядаються підходи до вибору алгоритму візуального супроводження об’єктів на відеопослідовностях, виділяються основні візуальні особливості, на яких може ґрунтуватись відстежування цільового об’єкту. Визначено критерії, які впливають на вибір алгоритму відстежування цільового об’єкту у режимі реального часу. Проте для відстежування у режимі реального часу за обмежених обчислювальних ресурсів питання вибору відповідного алгоритму є вирішальним. На вибір алгоритму візуального відстежування також впливають вимоги і обмеження щодо супроводжуваних об’єктів та попередні знання чи припущення щодо них. В результаті аналізу була надана перевага алгоритму відстежування Staple, за критерієм швидкодії, який є вирішальним показником при проектуванні та розробці комплексу програмного та технічного забезпечення для автоматизованого візуального супроводу об’єкта у відеопотоці в режимі реального часу для різноманітних систем спостереження та безпеки, моніторинг трафіку дорожнього руху, розпізнавання діяльності та інших вбудованих систем.

Ключові слова – відеопоток, відстежувач, алгоритм, об’єкт, вбудована система, система реального часу.

Інформація про авторів

Микола Мороз. Студент 4 курсукафедри програмних систем і технологій факультету інформаційних технологій Київського національного університету імені Тараса Шевченка, Україна. Наукові інтереси: Internet of Things, Embedded Systems.

Денис Берестов. Асистент кафедри програмних систем і технологій факультету інформаційних технологій Київського національного університету імені Тараса Шевченка, Україна. Наукові інтереси: методи та інструменти Data Science, Industrial Internet of Things, Embedded Systems.

Олег Курченко. Доцент кафедри програмних систем і технологій факультету інформаційних технологій Київського національного університету імені Тараса Шевченка, Україна. Наукові інтереси: інженерія програмного забезпечення, технології віртуалізації, штучний інтелект.

Література

1. Y. Zhang, Z. Chen and B. Wei, “A Sport Athlete Object Tracking Based on Deep Sort and Yolo V4 in Case of Camera Movement”, in IEEE 6th International Conference on Computer and Communications (ICCC), 2020, pp. 1312-1316.
2. (2021) Оптико-електронна система керування стрільбою артустановок “Sens-2”. [Online]. Аvailable: https://www.spetstechnoexport.com/product/sens-2.
3. Byung-Kuk Seo, Jungsik Park and Jong-Il Park, “3-D visual tracking for mobile augmented reality applications”, in IEEE International Conference on Multimedia and Expo, 2011, , pp. 1-4.
4. Mahendra Mallick; Vikram Krishnamurthy; Ba-Ngu Vo, “Tracking and Data Fusion for Ground Surveillance”, in Integrated Tracking, Classification, and Sensor Management: Theory and Applications, IEEE, 2012, pp.203-254.
5. Peter Marwedel. (2021) Embedded System Design. [Online]. Аvailable: https://link.springer.com/content/pdf/10.1007%2F978-3-030-60910-8.pdf.
6. Z. Soleimanitaleb, M. A. Keyvanrad and A. Jafari, “Object Tracking Methods: A Review”, in 9th International Conference on Computer and Knowledge Engineering (ICCKE), 2019, pp. 282-288.
7. Sanna Ågren. (2021) Object tracking methods and their areas of application: A meta-analysis. A thorough review and summary of commonly used object tracking methods. [Online]. Аvailable: http://www8.cs.umu.se/education/examina/Rapporter/SannaAgrenFinal.pdf.
8. Mustansar Fiaz, Arif Mahmood, Sajid Javed, and Soon Ki Jung. (2021) Handcrafted and Deep Trackers: Recent Visual Object Tracking Approaches and Trends. [Online]. Available: https://arxiv.org/pdf/1812.07368.pdf.
9. Yilmaz A., Javed O., and Shah M. (2021) Object tracking: A survey. [Online]. Available: https://dl.acm.org/doi/pdf/ 10.1145/1177352.1177355.
10. (2021) The VOT website. [Online]. Available: https://www.votchallenge.net
11. (2017) The VOT website. [Online]. Available: https://www.votchallenge.net/vot2017/results.html
12. (2018) The VOT website. [Online]. Available: https://www.votchallenge.net/vot2018/results.html
13. (2019) The VOT website. [Online]. Available: https://www.votchallenge.net/vot2019/results.html
14. (2020) The VOT website. [Online]. Available: https://www.votchallenge.net/vot2020/results.html
15. L. Rosyidi, A. Prasetyo and M. S. Romadhon, “Object Tracking with Raspberry Pi using Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM)”, in 8th International Conference on Information and Communication Technology (ICoICT), 2020, pp. 1-6.