Real-time tracking of multiple objects using adaptive correlation filters with complex constraints

یک سیستم زمان واقعی برای طبقه بندی و ردیابی اشیاء چند حرکتی پیشنهاد شده است. این سیستم یک بانک مرکب از فیلترهای همبستگی با محدودیت های پیچیده که به طور موازی در یک واحد پردازش گرافیکی اجرا می شود، استفاده می شود. هنگامی که یک قاب صحنه ضبط می شود، سیستم فریم را به چند قسمت بر اساس پیش بینی حرکت سینماتیکی مکان های هدف تقسیم می کند. قطعات با یک بانک از فیلترهای تطبیقی ​​پردازش می شوند. فیلترها با کمک یک الگوریتم تکراری ساخته می شوند که قابلیت تبعیض را برای هر هدف بهینه می کند. با استفاده از محدودیت های پیچیده در طراحی فیلتر، اشیاء چندگانه در فریم ورودی می توانند با تجزیه و تحلیل توزیع شدت و فاز در سطح همبستگی پیچیده خروجی برای هر قطعه شناسایی و طبقه بندی شوند. عملکرد سیستم پیشنهادی از لحاظ دقت ردیابی، بازدهی طبقه بندی و هزینه های زمان مورد آزمایش قرار گرفته و با توالی های مصنوعی و واقعی صحنه ورودی مورد بررسی قرار گرفته است. نتایج با تکنیک های رایج مبتنی بر فیلتر کردن همبستگی مقایسه می شوند.