Простеження об’єктів при відеоспостереженні

• Published in: Control systems & computers
• Date: 2020
• Main Authors: Кийко, В.М., Мацелло, В.В.
• Format: Article
• Language: Ukrainian
• Published: Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2020
• Subjects: Fundamental Problems in Computer Science
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/181129
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Простеження об’єктів при відеоспостереженні / В.М. Кийко, В.В. Мацелло // Control systems & computers. — 2020. — № 2. — С. 12-22. — Бібліогр.: 12 назв. — укр.

Розглядається алгоритм простеження об’єктів у відео, що базується на спільному використанні відомих алгоритмів MOG (Mixture of Gaussians) та KCF (Kernelized Correlation Filters). Наведено результати пошуку та простеження рухомих об’єктів у відео. Показано, що алгоритм є ефективнішим у порівнянні з MOG та KCF в умовах, коли об'єкти, що простежуються, рухаються із порівняно різкими змінами швидкості, напряму руху та орієнтації, а також в умовах часткового укриття або зникнення з поля зору. Целью работы является исследование алгоритма прослеживания объектов в видео, основанного на совместном использовании алгоритмов MOG и KCF. Метод. Прослеживание объектов в видео использует KCF для нахождения нового положения объекта на текущем изображении и MOG для получения разностного изображения с целью последующей коррекции координат и размера объекта с помощью интегрального представления этого изображения. Результаты. Предложен алгоритм прослеживания объектов в видео, основанный на совместном использовании MOG и KCF. Приведены результаты поиска и прослеживания движущихся объектов в видео. Показано, что алгоритм является более эффективным по сравнению с MOG и KCF в условиях, когда объекты, которые прослеживаются, движутся со сравнительно резкими изменениями скорости, направления движения и ориентации, а также в условиях частичного укрытия или исчезновения из поля зрения. Алгоритм является также более устойчивым к помехам и изменениям освещения по сравнению с MOG алгоритмом. The purpose of the article is to develop online tracking algorithm on the base of co-operative applying of MOG and KCF algorithms. Method.Proposed tracker makes use of KCF to find new position of tracked object in current frame and use of MOG to get subtractive image with subsequent correction of error object position on the base of integral representation of this image. Results.Visual online tracking algorithm based on co-operative use of MOG and KCF algorithms is developed. Testing results prove that the algorithm is more stable in comparison with KCF in the case of abrupt changes of tracked object motion speed or direction. The algorithm is also more resistant to noise and illumination changes in comparison with MOG algorithm.