Алгоритм отслеживания объектов в уличной среде с применением метода обнаружения на основе геометрических признаков.
DOI:
https://doi.org/10.31489/2020No2/123-127Ключевые слова:
отслеживание объектов, умный город, обнаружение объектов, уличное освещениеАннотация
"В статье предложен подход для отслеживания объектов в уличной среде с использованием алгоритма обнаружения на основе геометрических признаков. Кроме функциональности для отслеживания объектов, предложенный алгоритм повышает точность обнаружения алгоритма обнаружения на основе геометрических признаков. Предложенный подход для отслеживания объектов использует информацию обнаружения полученную с нескольких камер видеонаблюдения, представляющих собой сеть ячеистой топологии. Проведенные эксперименты, проведенные в реальных условиях, показали на 10-40 % более высокую точность обнаружения, что подтвердило предложенную концепцию. Алгоритм отслеживания требует незначительных вычислительных ресурсов, что делает его особенно применимым для низкопроизводительной инфраструктуры Интернета вещей. "
Библиографические ссылки
"1 Yilmaz A., Javed O., and Shah M. Object tracking: A survey. ACM Comput. Surv., 2006, Vol. 38, No. 4, pp. 1 –45. doi: 10.1145/1177352.1177355.
Comaniciu D., Ramesh V., and Meer P. Kernel-based object tracking, IEEE Trans. Pattern Anal. Mach. Intell., 2003, Vol. 25, No. 5, pp. 564–577. doi: 10.1109/TPAMI.2003.1195991.
Wang Q., Zhang L., Bertinetto L., et al. Fast Online Object Tracking and Segmentation: A Unifying Approach. Proceedings of 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, USA, 2019, pp. 1328–1338.
Xu R., Nikouei S., Chen Y., et al. Real-Time Human Objects Tracking for Smart Surveillance at the Edge. Proceedings of 2018 IEEE International Conference on Communications (ICC), Kansas City, USA, 2018, pp. 1–6, doi: 10.1109/ICC.2018.8422970.
Voigtlaender P., Krause M., Osep A., et al. MOTS: Multi-Object Tracking and Segmentation. Proceedings of 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, USA, 2019, pp. 7942–7951.
Philip R., Ram S., Gao X., et al. A comparison of tracking algorithm performance for objects in wide area imagery. 2014 Southwest Symposium on Image Analysis and Interpretation, San Diego, USA, 2014, pp. 109–112, doi: 10.1109/SSIAI.2014.6806041.
Ooi H. L., Bilodeau G. A., and Saunier N., Tracking in Urban Traffic Scenes from Background Subtraction and Object Detection. Image Analysis and Recognition, Cham, 2019, Vol. 11662, pp. 195–206, doi: 10.1007/978-3-030-27202-9.
Dziri A., Duranton M., and Chapuis R. Real-time multiple objects tracking on Raspberry-Pi-based smart embedded camera. J. Electron. Imaging, Vol. 25, No. 4, pp. 1 – 16, 2016, doi: 10.1117/1.JEI.25.4.041005.
Zinov S., and Siemens E., The Smart Lighting Concept. Proceeding of the first Workshop on Problems of Autonomous Power Systems in the Siberian Region, Koethen, Germany, 2013, pp. 1 – 10.
Hewawasam H. S., Ibrahim M. Y., Kahandawa G., et al. Comparative Study on Object Tracking Algorithms for mobile robot Navigation in GPS-denied Environment. Proceedings of 2019 IEEE International Conference on Industrial Technology (ICIT), Melbourne, Australia, 2019, pp. 19–26, doi: 10.1109/ICIT.2019.8754960.
Matveev I., Karpov K., Chmielewski I., et al. Fast Object Detection Using Dimensional Based Features for Public Street Environments. Smart Cities, Vol. 3, No. 1, 2020, doi: 10.3390/smartcities3010006.
Siemens E., Method for lighting e.g. road, involves switching on the lamp on detection of movement of person, and sending message to neighboring lamps through communication unit, German Patent No. DE102010049121A1, 2012, 15 p.
Satopää V. A, Baron J., Foster D. P., et al. Combining multiple probability predictions using a simple logit model. Int. J. Forecast., Vol. 30, No. 2, pp. 344 – 356, 2014, doi: 10.1016/j.ijforecast.2013.09.009.
Zwillinger D., and Kokoska S. CRC standard probability and statistics tables and formulae. Crc Press, 1999, 568 p.
"
