Захват и отслеживание удаленных объектов в видеопотоке
3
• непрерывно адаптирующегося сдвига (
CamShift
) — основан на
алгоритме сдвига среднего, но отличается тем, что автоматически
подстраивает границы и размер окна, в пределах которого располо-
жены характерные точки [3]. Таким образом производится более
точное отслеживание объекта, изменяющегося в размерах;
• Лукаса – Канаде (
Lucas – Kanade
) — основан на дифференци-
альном вычислении оптического потока с помощью анализа пикселей
(предполагается, что оптический поток одинаков для пикселей, ле-
жащих в окрестности центра окна слежения), при этом смещение
пикселей между соседними кадрами
I
t
(
h
,
w
) должно быть невелико
[4]. Данный алгоритм более двадцати лет активно используется в
приложениях компьютерного зрения и уже доказал свою высокую
эффективность для широкого круга задач;
• Виолы – Джонса (
Viola
–
Jones
) — основан на обнаружении в
кадре
I
t
(
h
,
w
) наборов пикселей, совпадающих с заранее подобранны-
ми шаблонами, состоящими из белых и черных прямоугольников [5,
6]. Для распознавания различных объектов требуется свой уникальный
набор шаблонов, который создается путем обучения алгоритма на
конкретном объекте. Правильно обученный алгоритм работает с высо-
кой эффективностью, однако сам процесс обучения достаточно трудо-
емкий, требует от разработчика-исследователя специальных знаний о
данном алгоритме и хорошо организованной обучающей выборки.
Анализ алгоритмов захвата и отслеживания объектов.
Для
начала работы любого алгоритма отслеживания требуется каким-
либо образом инициализировать первоначальную область слежения
или массив характерных точек. Существуют алгоритмы, самостоя-
тельно обнаруживающие искомый объект
Ob
t
(
X
,
Y
) в кадре
I
t
(
h
,
w
)
при его появлении, а для остальных объект либо указывается вруч-
ную, либо его координаты/характерные точки передаются из функ-
ции обнаружения. Кроме того, некоторые алгоритмы требуют обуче-
ния перед их использованием. Все вышеописанное определяет сте-
пень автономности, информация о которой для исследуемых
алгоритмов приведена в табл. 1.
Таблица 1
Степень автономности алгоритмов слежения
Алгоритм
Автообучение
Автоинициализация
Шаблоны движений
+
+
Сдвиг среднего
+
–
Непрерывно адаптиру-
ющийся сдвиг
+
–
Лукаса – Канаде
+
–
Виолы – Джонса
–
+
