مقايسه ردياب هاي API در OPENCV با استفاده از سخت افزار رزبري پاي

OpenCV3 داراي يك API رديابي جديد، شامل پياده سازي بسياري از الگوريتم هاي رديابي تك شئ است. اين الگوريتم هاي رديابي عبارتند از: BOOSTING، MIL، KCF، TLD، MEDIANFLOW، GOTURN، MOSSE و CSRT. ما تا زماني كه مكان فعلي شئ را دنبال مي كنيم، شكل حركت آن و به عبارت ديگر پارامترهاي مدل حركت شئ را مي دانيم. بر اساس مكان و سرعت و جهت حركت شي در فريم هاي قبلي، مي توانيم محل جديد شئ را براساس مدل حركت فعلي آن پيش بيني كنيم. اما ما نياز به اطلاعات بيشتري داريم. مي دانيم كه شئ در هر يك از فريم هاي قبلي چگونه به نظر مي رسد. به عبارت ديگر، مي توانيم يك مدل ظاهري ايجاد كنيم كه شئ را شبيه سازي مي كند. اين مدل ظاهري مي تواند براي جستجو در يك حوزه ي مكاني كوچك در اطراف مكان پيش بيني شده توسط مدل حركت، براي پيش بيني كردن دقيق تر مكان شئ، مورد استفاده قرار گيرد. مدل حركت، مكان تقريبي جسم را پيش بيني مي كند. اين برآورد دقيق براي ارزيابي دقيق تر بر اساس مدل ارائه مي شود. در اين مقاله ما در ابتدا اين ردياب ها را شرح داديم و سپس به شبيه سازي عملكرد اين ردياب ها با استفاده از سخت افزار رزبري پاي پرداخته ايم. و با نتايج به دست آمده از شبيه سازي ها، اين ردياب ها را با هم مقايسه كرديم. دو نوع آزمايش انجام داديم كه بر روي تعدادي از دنباله فريم ها و ويدئوهاي معيار در ادبيات رديابي و نيز ويدئوهاي ضبط شده انجام شده اند.