Παρακολούθηση πολλαπλών αντικειμένων με χρήση συνελικτικών δικτύων

Abstract

Σύγχρονα συστήματα που βασίζονται σε Συνελικτικά Νευρωνικά Δίκτυα έχουν δώσει αποτελεσματικές και αποδοτικές λύσεις για εργασίες ανίχνευσης αντικειμένων από εικόνα. Η τρέχουσες εξελίξεις υλισμικού και λογισμικού έχουν συντελέσει σε αρκετά σύντομους χρόνους εκτέλεσης, δίνοντας τη δυνατότητα για ανίχνευση αντικειμένων από βίντεο σε πραγματικό χρόνο. Μια συχνή σχετική ερώτηση είναι πώς μπορούν να συσχετιστούν ανιχνεύσεις μεταξύ διαδοχικών καρέ. Η αντίστοιχη περιοχή έρευνας είναι η οπτική Παρακολούθηση Πολλαπλών Αντικειμένων, η οποία θα μπορούσε να είναι ένα βασικό σύστημα για ανάλυση βίντεο σε πραγματικό χρόνο.

Η Παρακολούθηση Πολλαπλών Αντικειμένων, σύμφωνα με το παράδειγμα της παρακολούθησης από ανίχνευση, συσχετίζει αντικείμενα που βρέθηκαν στο τρέχον καρέ με αντικείμενα υπό παρακολούθηση από προηγούμενα καρέ. Τα προτεινόμενα συστήματα για αυτό το σκοπό χρησιμοποιούν ενδείξεις εμφάνισης ή κίνησης για να επιλύσουν αυτό το πρόβλημα συσχέτισης δεδομένων. Πρόσφατες εργασίες επιστρατεύουν εύρωστες ενδείξεις εμφάνισης βελτιώνοντας την σύγχρονη επίδοση των συστημάτων παρακολούθησης.

Ακολουθώντας τη φιλοσοφία των εύρωστων περιγραφών εμφάνισης, αυτή η διπλωματική εργασία περιγράφει μια νέα προσέγγιση για Παρακολούθηση Πολλαπλών Αντικειμένων, σύμφωνα με την οποία εξάγονται περιγραφές των αντικειμένων από τις ήδη υπολογισμένες εσωτερικές αναπαραστάσεις του Συνελικτικού Νευρωνικού Δικτύου του συστήματος ανίχνευσης. Χρησιμοποιώντας το σύστημα Mask-RCNN, ένα σύγχρονο δίκτυο κατάτμησης στιγμιοτύπων, και εύρωστες μετρικές ομοιότητας από τον τομέα της Όρασης Υπολογιστών, το τελικό σύστημα είναι αποτελεσματικό σε απαιτητικά σενάρια πραγματικών εφαρμογών, όπως οι μερικές αποκρύψεις, οι γρήγορες αλλαγές στη φωτεινότητα και οι ολικές αποκρύψεις πολλαπλών καρέ.

Το σύστημα Παρακολούθησης Πολλαπλών Αντικειμένων που περιγράφεται αξιολογείται σε σχετικά σύνολα δεδομένων, υποστηρίζεται από στατιστικά δεδομένα και δοκιμάζεται σε βίντεο προτείνοντας εφαρμογές.