Метод визуального мультитрекинга в реальном времени на основе корреляционных фильтров

Автор(и)

  • Олександр Сергійович Пантелєєв бакалавр, студент кафедри технічної кібернетики Національного технічного університету України «Київський Політехнічний інститут ім. Ігоря Сікорського»., Ukraine
  • Володимир Валентинович Олійник к.т.н., старший викладач кафедри технічної кібернетики Національного технічного університету України «Київський Політехнічний інститут ім. Ігоря Сікорського», Ukraine

DOI:

https://doi.org/10.20535/1560-8956.32.2018.145620

Ключові слова:

компьютерное зрение, визуальный трекинг, корреляционный фильтр, мультитрекинг, трекинг на основе детектирования

Анотація

В статье предложен подход к отслеживанию множества объектов, применяющий трекинг на основе детектирования с использованием корреляционных фильтров для отслеживания цели между ключевыми кадрами. Это позволяет повысить
надежность трекинга объектов, движущихся нелинейно, сохранив при этом скорость работы, достаточную для обработки видео в реальном времени.

Посилання

Kratz L., Nishino K. Tracking with local spatio-temporal motion patterns in extremely crowded scenes // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2010. C.693-700.

Nillius P., Sullivan J., Carlsson. S. Multi-target tracking linking identities using baesian network inference // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2006. C.2187-2194.

Target identity-aware network flow for online multiple target tracking /

A. Dehghan идр. // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2015. C.1146-1154.

Bochinski E., Eiselein V., Sikora T. High-Speed tracking-by-detection without using image information // IEEE International Conference on Advanced Video and Signal Based Surveillance.2017.С.1-6.

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications / A. Howardи др. // URL: https://arxiv.org/pdf/1704.04861.pdf

Faster R-CNN: Towards real-time object detection with region proposal networks / S. Renидр. // Advances in neural information processing systems. 2015.С.91–99.

Multiple Object Tracking: A Literature Review /Luo W. идр.// URL:

https://arxiv.org/pdf/1409.7618.pdf

Reid D. An algorithm for tracking multiple targets // IEEE Transactions on Automatic Control. 1980. C. 843-854.

Simple online and realtime tracking / A. Bewleyидр.// IEEE International Conference. on Image Procesing. 2016.C.3464–3468.

Survey of Video Object Tracking./ M. Li идр. // International Journal of Control and Automation. 2015. C.303-312.

Vojir T., Noskova J.,Matas J. Robust scale-adaptive mean-shift for tracking. // Pattern Recognition Letters. 2014.C.250-258.

Nam, H., Han, B. Learning multi-domain convolutional neural networks for visual tracking //URL: https://arxiv.org/pdf/1510.07945.pdf

Kalal Z., Mikolajczyk K., Matas J. Tracking learning detection // URL:

http://www.tldvision.com/pdf/2011-Kalal-PhD-Thesis.pdf

The Visual Object Tracking VOT2016 challenge results/ M. Kristan идр.

//European Conference on Computer Vision Workshops.2016. C.777-823.

Visual object tracking using adaptive correlation filters / D. Bolmeидр. // Computer Vision and Pattern Recognition.2010. C.2544–2550.

Exploiting the circulant structure of tracking-by-detection with kernels/

J. Henriquesидр. // Computer Vision–ECCV. 2012. C.702–715.

High-speed tracking with kernelized correlation filters/ J. Henriques идр. // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2015. C.583–596.

Discriminative scale space tracking / M. Danelljanидр. // IEEE transactions on pattern analysis and machine intelligence. 2017. C.1561–1575.

##submission.downloads##