bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИРbsuir-219Research ArticleСтатьиАЛГОРИТМ ТРЕКИНГА ОБЪЕКТОВ В РЕАЛЬНОМ ВРЕМЕНИ С ОБРАБОТКОЙ ОШИБОКREAL-TIME ALGORITHM of OBJECT TRACKING with ERROR HANDLINGСоловейО. П.SoloveyO. P.noemail@neicon.ruИвановН. Н.IvanovN. N.noemail@neicon.ruБелорусский государственный университет информатики и радиоэлектроникиBelarus201303062019063135Copyright © Соловей О.П., Иванов Н.Н., 20192019Соловей О.П., Иванов Н.Н.Solovey O.P., Ivanov N.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/219

В приложениях видеонаблюдения в процессе трекинга множества объектов важно отслеживать соответствие объектов текущего фрейма объектам предыдущих фреймов. В процессе трекинга возможны ошибки, которые обусловлены различными обстоятельствами, такими как пересечения объектов между собой, пересечения объектов с объектами переднего плана сцены, изменения формы объектов. В данной статье рассматривается алгоритм трекинга множества объектов, основанный на выделении характерных параметров объекта. Вероятностная модель построена на основе фильтра Калмана. Система полностью автоматизирована и не требует ручного ввода параметров ни при инициализации, ни в процессе работы. Информация, полученная посредством создания модели движения с параметрами центроида, площади и вектора скорости движущихся объектов при необходимом условии статической сцены и статической камеры, позволяет выявить коллизии слияния/разделения, алгоритм позволяет решить проблему соответствия объектов после разделения.

Video surveillance applications have to support objects authentic in case of multiple objects tracking. During tracking process errors, caused by different circumstances, such as objects intersections among themselves, intersections with objects on the foreground, objects shape changes are possible. This article describes multiple objects tracking algorithm, based on system of object characteristics. The probabilistic model is based on the Kalman filter. The system is fully automated and does not require any manual input during initialization or execution.

трекинг множества объектовмодель движенияфильтр КалманаокклюзияReferencesСтратонович Р.Л. // Известия высших учебных заведений. Радиофизика. 1959. № 2 (6). С. 892-901.Стратонович Р.Л. // Известия высших учебных заведений. Радиофизика. 1959. № 2 (6). С. 892-901.Kalman R.E. // Journal of Basic Engineering. 1960. № 1 (82). P. 35-45.Kalman R.E. // Journal of Basic Engineering. 1960. № 1 (82). P. 35-45.Welch G., Bishop G. An Introduction to the Kalman Filter. TR 95-041. Department of Computer Science Carolina, 2006.Welch G., Bishop G. An Introduction to the Kalman Filter. TR 95-041. Department of Computer Science Carolina, 2006.Nguyen N., Bui H. H., Venkatesh S. et. al. // ACTA Automatica Sinica. 2003. Vol. 29. P. 408-422.Nguyen N., Bui H. H., Venkatesh S. et. al. // ACTA Automatica Sinica. 2003. Vol. 29. P. 408-422.Chang T.H., Gong S. // IEEE Workshop on multi-object tracking. 2001. P. 19-26.Chang T.H., Gong S. // IEEE Workshop on multi-object tracking. 2001. P. 19-26.Pan J., Hu B. // IEEE Conf. on Computer Vision and Pattern Recognition. 2007. P. 1-8.Pan J., Hu B. // IEEE Conf. on Computer Vision and Pattern Recognition. 2007. P. 1-8.Medioni G., Cohen I., Bremond F. et. al. // IEEE Trans. Pattern Anal. Mach. Intell. 2001. № 8 (23). P.873-889.Medioni G., Cohen I., Bremond F. et. al. // IEEE Trans. Pattern Anal. Mach. Intell. 2001. № 8 (23). P.873-889.Czyzewski A., Dalka P. // 9th International workshop on image analysis and multimedia interactive services. 2008. P.175-178.Czyzewski A., Dalka P. // 9th International workshop on image analysis and multimedia interactive services. 2008. P.175-178.

The authors declare that there are no conflicts of interest present.