طراحی و ساخت سامانه ی ردیابی بلادرنگ اهداف متحرک مبتنی بر الگوریتم Tld با استفاده از سخت افزار رزبری پای

Tld مخفف ردیابی، یادگیری و آشکارسازی است. همان طور که از نام آن پیداست، این ردیاب، کار ردیابی طولانی مدت را به سه جزء کوتاه مدت ردیابی، یادگیری و آشکارسازی، تجزیه می‌کند. ردیاب، شئ را به صورت فریم به فریم دنبال می‌کند. آشکارساز همه مواردی که تاکنون مشاهده شده‌اند را دسته بندی می‌کند و در صورت لزوم ردیاب را اصلاح می‌کند. بخش یادگیری، خطاهای آشکارساز را محاسبه کرده و آن را به روز می‌کند تا از بروز این اشتباهات در آینده جلوگیری شود. خروجی این ردیاب تمایل به حرکت در اطراف بسیار کمی دارد. به نظر می‌رسد این ردیاب بتواند یک شی در یک مقیاس، حرکت و انسداد بزرگتر را دنبال کند. اگر یک دنباله ویدئویی داشته باشیم که در آن شی مورد نظر در پشت یک شی دیگر پنهان باشد، این ردیاب می تواند انتخاب خوبی باشد. در این مقاله، ما در ابتدا به تشریح کامل این الگوریتم پرداختیم و سپس در سه آزمایش مجزا بر روی سکانس ها و دنباله فریم های معیار و ویدئوهای زنده از این الگوریتم با سخت افزار رزبری پای و زبان برنامه نویسی پایتون استفاده کردیم و نتایج را ارائه نمودیم. سپس با استفاده از الگوریتم tld و مینی کامپیوتر تک بوردی رزبری پای و با کمک یک دوربین که به وسیله ی سرووموتورها قابلیت چرخش در سمت و ارتفاع را دارد، سامانه ای را طراحی کرده و ساخته ایم که به وسیله ی آن اهداف متحرک موجود در تصاویر زنده دریافتی از دوربین را به صورت بلادرنگ دنبال کنیم.

Designing and building a realtime moving object tracking system based on tracking learning detection(TLD) algorithm using raspberry pi hardware

TLD stands for Tracking, Learning and Detection. As its name implies, this tracker breaks down the longterm tracking task into three shortterm components of tracking, learning, and detection. The tracker tracks the object frame by frame. The detector categorizes all that has been observed so far and corrects the detector if necessary. The Learning section calculates and updates the detector errors to prevent future errors. The output of this detector tends to move around very little. For example, if we track one pedestrian and there are other pedestrians on the scene, this tracker may sometimes temporarily track a pedestrian other than we intended to, and by revealing Repeat the desired object immediately follow it. On the positive side, this detector looks to be able to track an object on a larger scale, move, and block. If you have a video sequence where the object is hidden behind another object, this detector can be a good choice. In this research, we were able to tracking the moving objects in the live videos captured by the camera by using the TLD algorithms applying on a Raspberry Pi (single board mini computer) with the help of two servomotors that rotate the camera vertically and horizontally. We followed the objects in real time.