Детекция, трекинг объектов

Отслеживание объектов является важной задачей в компьютерном зрении. А средства отслеживания объектов являются неотъемлемой частью многих приложений компьютерного зрения, которые обрабатывают видеопоток с камер. В этой статье мы обсудим современные алгоритмы отслеживания объектов, различные методы, приложения и программное обеспечение для отслеживания объектов.

Что такое отслеживание объектов?

Отслеживание объектов - это приложение глубокого обучения, в котором программа берет начальный набор обнаружений объектов и разрабатывает уникальную идентификацию для каждого из начальных обнаружений, а затем отслеживает обнаруженные объекты по мере их перемещения по кадрам в видео.

Другими словами, отслеживание объектов - это задача автоматической идентификации объектов на видео и интерпретации их как набора траекторий с высокой точностью.

Часто вокруг отслеживаемого объекта имеется индикация, например, окружающий квадрат, который следует за объектом, показывая пользователю, где находится объект на экране.

Обнаружение и отслеживание объектов - это активная тема исследований в области компьютерного зрения, которая направлена на обнаружение, распознавание и отслеживание объектов с помощью серии кадров. Было обнаружено, что обнаружение и отслеживание объектов в видеоряде является сложной задачей и требует очень много времени. Обнаружение объектов - это первый шаг в создании более крупной системы компьютерного зрения. Отслеживание объектов определяется как задача обнаружения объектов в каждом кадре видео и установления соответствия между обнаруженными объектами из одного кадра в другой.

Как работает обнаружение объектов

Обнаружение объектов может быть выполнено с использованием либо традиционных методов обработки изображений, либо современных сетей глубокого обучения.

• Методы обработки изображений, как правило, не требуют исторических данных для обучения и по своей природе не контролируются. OpenCV - популярный инструмент для задач обработки изображений. Следовательно, для этих задач не требуются аннотированные изображения, где люди помечали данные вручную (для контролируемого обучения). Эти методы ограничены множеством факторов, таких как сложные сценарии (без одноцветного фона), окклюзия (частично скрытые объекты), освещение и тени, а также эффект загромождения.
• Методы глубокого обучения обычно зависят от контролируемого или неконтролируемого обучения, причем контролируемые методы являются стандартом в задачах компьютерного зрения. Производительность ограничена вычислительной мощностью графических процессоров, которая быстро растет год от года. Обнаружение объектов с глубоким обучением значительно более устойчиво к окклюзии, сложным сценам и сложному освещению. Требуется огромное количество обучающих данных; процесс аннотирования изображений трудоемкий и дорогой.

Сегодня обнаружение объектов с глубоким обучением широко признано исследователями и используется компаниями, занимающимися компьютерным зрением, для создания коммерческих продуктов.

Использование и типы отслеживания объектов

Отслеживание объектов используется для множества вариантов использования, связанных с различными типами входного видеоматериала. То, будет ли ожидаемый ввод изображением или видео, или видео в реальном времени по сравнению с предварительно записанным видео, влияет на алгоритмы, используемые для создания приложений отслеживания объектов.

Вид входных данных также влияет на категорию, варианты использования и приложения отслеживания объектов. Здесь мы кратко опишем несколько популярных применений и типов отслеживания объектов, таких как отслеживание видео, визуальное отслеживание и отслеживание изображений.  

Что дальше?

Обнаружение объектов является одной из наиболее фундаментальных и сложных проблем компьютерного зрения. В последние годы ему, вероятно, как самому важному методу компьютерного зрения, уделяется большое внимание, особенно благодаря успеху методов глубокого обучения, которые в настоящее время доминируют среди новейших методов обнаружения. Методы обнаружения объектов приобретают все большее значение для приложений компьютерного зрения в любой отрасли.