ПОВТОРНАЯ ИДЕНТИФИКАЦИЯ ОБЪЕКТОВ С НЕЗАВИСИМЫМИ ТРАЕКТОРИЯМИ
Получена: 2025-05-20
Опубликована: 2026-06-06
Аннотация
Системы многoобъектного отслеживания (Multi-Object Tracking, MOT) являются одним из важных направлений современного компьютерного зрения и искусственного интеллекта и предназначены для обнаружения и отслеживания нескольких движущихся объектов в режиме реального времени. Системы MOT позволяют не только обнаруживать объекты, но и сохранять их идентичность в последовательных кадрах видеопотока во времени. Тем не менее их точность и надёжность ограничиваются рядом технических проблем. В частности, окклюзия, при которой один объект временно скрывается другим объектом или фоном, может снижать точность отслеживания и приводить к переключению идентификаторов или потере цели. Объекты также могут временно выходить из поля зрения камеры, а изменения освещения, скорости движения и сложный фон могут отрицательно влиять на качество отслеживания. Для решения этих проблем современные MOT-системы используют глубокое обучение, свёрточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), архитектуры трансформеров и технологии повторной идентификации объектов (Re-ID). Особое значение имеют модели прогнозирования траекторий объектов и восстановления временно потерянных целей.
Ключевые слова
Список литературы
-
Qiankun Liua,1, Dongdong Chenb,1, Qi Chua,∗, Lu Yuanb, Bin Liua, Lei Zhangc, Nenghai Yua. Online Multi-Object Tracking with Unsupervised Re-Identification Learning and Occlusion Estimation. January 4, 2022.
-
Babaee, M., Li, Z., Rigoll, G., 2019. A dual cnn–rnn for multiple people tracking. Neurocomputing 368, 69–83.
-
Bergmann, P., Meinhardt, T., Leal-Taixe, L., 2019. Tracking without bells and whistles, in: IEEE International Conference on Computer Vision, pp. 941–951
Об авторах
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.