К.Л. Тассов, Д.Е. Бекасов
14
наблюдателя). Помимо этого, в [38] используется модель человече-
ского тела, и каждый пиксел проверяется на соответствие данной мо-
дели.
В [39] применяется алгоритм вычитания фона, и каждый объект
переднего фона представляется цветовым шаблоном и вероятностной
маской. При перекрытии объекта закрытый пиксел будет фигуриро-
вать в обеих вероятностных масках. Для определения его принад-
лежности используется специальный классификатор.
В [40] рассматривается ситуация перекрытия с другой целью (т.е.
с известным объектом, что облегчает задачу). При этом каждая цель
задается шаблоном и функцией трансформации. Вероятность пере-
крытия рассчитывается с помощью динамической байсовской сети.
Основные направления будущих исследований.
Наиболее ин-
тересным и комплексным методом из рассмотренных является TLD.
Действительно, идея параллельного применения трекера, реализую-
щего принцип пространственно-временной непрерывности траекто-
рии цели и детектора, осуществляющего поиск по шаблону, позволя-
ет использовать сильные и нивелировать слабые стороны обоих под-
ходов. Применение простого детектора с поиском по всему кадру
естественно для решения проблемы полного перекрытия цели с по-
следующим ее возникновением в неизвестных координатах. В то же
время, такой подход не позволяет легко адаптироваться к изменени-
ям цели и провоцирует большое количество ошибок (ложных сраба-
тываний и отказов). Применение простого трекера, отслеживающего
цели по ее траектории и использующего информацию с предыдущих
кадров, позволяет производить адаптацию к изменениям внешнего
вида цель и избежать ошибок, связанных с ложными срабатываниями
(если выбраны соответствующие поставленной задаче признаки), од-
нако является совершенно непригодным для борьбы с полными дли-
тельными перекрытиями. Поэтому для построения комплексного ме-
тода, успешно решающего проблему перекрытий, необходимо ис-
пользовать оба подхода.
Однако это замечание касается только архитектуры разрабатыва-
емого метода. Конкретная реализация трекера, детектора и обучаю-
щего компонента должна являться результатом тщательного иссле-
дования условий и ограничений конкретной задачи. Например, если в
задаче накладывается условие перемещения наблюдателя, то хоро-
шим выбором в качестве признаков изображения являются оптиче-
ские потоки; если предполагается постоянное изменение внешнего
вида, — то особые точки; если только освещения,― то цвет в про-
странстве HSL. Кроме того, предложенная в [24] реализация детекто-
ра далека от оптимальной: во-первых, используется каскад из трех
классификаторов (постепенно отсеивающих варианты); во-вторых,
