Обработка перекрытий в задачах отслеживания объектов в видеопотоке
13
находиться только в единственном месте. Он также применяет данные
с трекера и среди результатов детектора находит самый подходящий,
который обновляет состояние трекера, а остальные добавляет в выбор-
ку как негативные экземпляры.
Как было упомянуто выше, в качестве модели цели используется
коллекция негативных и позитивных экземпляров — областей изоб-
ражения. Сходство между двумя экземплярами рассчитывается как
нормализованная корреляция. Она же и выступает критерием в клас-
сификаторе по ближайшему соседу (Nearest Neighbor). Именно этот
классификатор принимает решение об обновлении модели. Детектор
использует сканирующее окно для поиска соответствия по шаблону.
При большом количестве шаблонов поиск может занять очень много
времени. Поэтому используется каскад из трех классификаторов: по
разности моделей, классификатор ансамблей и по ближайшему сосе-
ду. На практике до последнего классификатора доходит около 50 эк-
земпляров, а такое количество уже можно быстро обработать с по-
мощью NN-классификатора.
В качестве трекера используется Median-Flow трекер, который
является расширением трекера Лукаса — Канада (Lucas — Kanade),
работающего с оптическими потоками. Расширение включает в себя
определение факта потери цели: в этом случае трекер просто не воз-
вращает местоположение (ограничивающую рамку). Факт потери це-
ли устанавливается, если разница смещения некоторой точки цели и
медианы всех точек превышает заданный порог. Это может происхо-
дить при быстром перемещении или перекрытии цели. Если на опре-
деленном шаге ни детектор, ни трекер не выдает местоположения це-
ли, она считается потерянной. В противном случае выбирается
наилучший результат (путем расчета корреляции с шаблоном).
При таком подходе детектор опирается на уже известные шабло-
ны, но может найти цель, если она резко сменила положение или
вышла из долгого перекрытия, а трекер привносит новые шаблоны,
обновляя базис детектора, и учитывает пространственно-временной
контекст.
При всех своих достоинствах, метод имеет следующие недостат-
ки [24]: плохая обработка ситуации поворотов цели, обучение только
детектора (трекер остается статическим), нет возможности отслежи-
вания нескольких целей, слабая поддержка подвижных каркасных
объектов, таких как пешеходы.
Несколько частных решений.
Иногда условия и ограничения
задачи могут оказать значительную помощь. Например, поставлена
задача отслеживания человеческих фигур. В [38] при поиске пере-
крытий используется относительная глубина объекта (для оценки
глубины применяют априорные сведения об окружении и состоянии
