رهگیری بصری طولانی مدت اهداف دلخواه بر اساس راه گزین بین دو روش رهگیری سنتی و فن یادگیری ژرف

رهگیری بصری شی دلخواه یک موضوع اساسی و چالش برانگیز در حوزه بینایی ماشین است که به طور سنتی توسط در نظر گرفتن یک مدل برای هدف و با استفاده از داده های آموزشی همان ویدیو انجام شده است. اکثر رهگیرها به سختی می توانند با در نظر گرفتن ویژگی های برخط و بی درنگ در صدر مقایسه نتایج مشهورترین روش ها قرار گیرند. در این مقاله یک چارچوب رهگیری بر اساس شبکه سیامی ارائه شده که یادگیری رهگیر به صورت برخط و فرآیند رهگیری بی درنگ بوده و نام آن STD-Siam است. از آن جا که شبکه سیامی دارای محدودیت آموزش برخط است و مدت طولانی نمی تواند چالش های موجود در رهگیری را مدیریت کند، هدف STD-Siam از راه گزین بین رهگیر سنتی و رهگیر بر مبنای یادگیری ژرف، تعلیم هر دو رهگیر با هدف رفع ابهام بین هدف و پس زمینه در هر فرنامه دلخواه است. ابتدا از طریق رهگیر سنتی داده های آموزشی تولید شده، سپس این داده ها با فن برافزایی گسترش داده می شوند تا شبکه ژرف به خوبی آموزش بیند. این روش می تواند با سرعت ۶۶ فریم درثانیه اجرا شود و نسبت به الگوریتم های مشابه فعلی با وجود سادگی آن نتایج خوبی را به دست آورد و به صورت طولانی مدت هدف را رهگیری کند. این سرعت رهگیری فراتر از بی درنگ ( بیش از ۳۰ فریم در ثانیه) به واسطه آشکارساز برجستگی در حوزه فرکانس است که نامزدهای انتخابی هدف به طور دقیق محاسبه شده و از روبش کل تصویر به صورت کورکورانه جلوگیری می شود تا بار محاسباتی کاهش یابد.

کلیدواژه ها:

رهگیری بصری طولانی مدت ، شبکه پیچشی سیامی ، یادگیری ژرف