تشخیص و ردیابی اشیاء ثابت و متحرک در تصاویر زنده و ضبط شده

تشخیص و ردیابی اشیاء یک وظیفه مهم در نظارت تصویری است؛ بنابراین، در پروژه حاضر، با استفاده از تشخیص و ردیابی توسط دو الگوریتم YOLO و DEEP SORT که به تفصیل مورد بررسی قرارگرفته اند، قصد داریم به سرعت در زمان واقعی شناسایی و ردیابی کنیم. در مرحله اول، الگوریتم خوشه بندی Kmeans برای بهینه سازی مقدار اولیه استفاده می شود. بودن در سال های گذشته، الگوریتم های SORT و YOLO در پروژه هایی استفاده می شد که سرعت و دقت پایینی داشتند. در این پروژه از DEEP SORT و YOLO-tiny استفاده شده است که چندین برابر سریع تر از مدل های قبلی خود است و از قابلیت تشخیص و ردیابی و همچنین ردیابی اجسام در زمان واقعی در سال های اخیر، DEEP SORT نشان داده است که در مواجهه با نمونه های پیچیده بسیار سریع تر از الگوریتم های KCF، MIL و MOSSE است.

کلیدواژه ها:

ردیابی اشیاء ، ثابت ، متحرک ، DEEP SORT ، YOLO-tiny