بهبود ردیابی همراه با تشخیص اشیاء در ویدئو با استفاده از تلفیق فیلتر کالمن و یادگیری عمیق

چکیده مقاله

ردیابی هم‌زمان چند هدف، یکی از مسئله‌های بنیادی بینایی ماشین به شمار می‌رود و به دلیل کاربردهای عمومی و تجاری فراوان، طی سال‌های اخیر مورد توجه فزاینده قرار گرفته است. با وجود این، دستیابی به دقت بالا در این کار دشوار است؛ زیرا اشیاء ممکن است در تصویر فشرده و شبیه به یکدیگر ظاهر شوند یا بر اثر انسداد و تغییر زاویه دید، اطلاعات آن‌ها ناقص گردد. در این مقاله، سامانه‌ای بلادرنگ برای ردیابی چند شیء ارائه می‌شود که بر پایه نسخه‌ی اصلاح‌شده الگوریتم SORT استوار است. روند کار در دو بخش تعریف می‌شود. بخش نخست، شناسایی شیء است که با بهره‌گیری از خانواده YOLO انجام می‌پذیرد؛ هرگونه کمبود اطلاعات در این مرحله، در ادامه قابل جبران نخواهد بود. بخش دوم، ردیابی شیء است که شامل سه گام می‌باشد: ابتدا استخراج ویژگی با استفاده از آموزش انتقالی YOLOv8، سپس پیش‌بینی موقعیت به کمک فیلتر کالمن و در نهایت تخصیص و پیوند داده‌ها که با الگوریتم مجارستانی صورت می‌گیرد. نتایج با معیارMOTA ارزیابی شد و مقدار ۶۵٫۳ به‌دست آمد که ۷٫۲ % برتری نسبت به روش مرجع نشان می‌دهد.