مقایسه ردیاب های api در opencv با استفاده از سخت افزار رزبری پای

Opencv3 دارای یک api ردیابی جدید، شامل پیاده سازی بسیاری از الگوریتم های ردیابی تک شئ است. این الگوریتم های ردیابی عبارتند از: boosting، mil، kcf، tld، medianflow، goturn، mosse و csrt. ما تا زمانی که مکان فعلی شئ را دنبال می کنیم، شکل حرکت آن و به عبارت دیگر پارامترهای مدل حرکت شئ را می دانیم. بر اساس مکان و سرعت و جهت حرکت شی در فریم های قبلی، می توانیم محل جدید شئ را براساس مدل حرکت فعلی آن پیش بینی کنیم. اما ما نیاز به اطلاعات بیشتری داریم. می دانیم که شئ در هر یک از فریم های قبلی چگونه به نظر می رسد. به عبارت دیگر، می توانیم یک مدل ظاهری ایجاد کنیم که شئ را شبیه سازی می کند. این مدل ظاهری می تواند برای جستجو در یک حوزه ی مکانی کوچک در اطراف مکان پیش بینی شده توسط مدل حرکت، برای پیش بینی کردن دقیق تر مکان شئ، مورد استفاده قرار گیرد. مدل حرکت، مکان تقریبی جسم را پیش بینی می کند. این برآورد دقیق برای ارزیابی دقیق تر بر اساس مدل ارائه می شود. در این مقاله ما در ابتدا این ردیاب ها را شرح دادیم و سپس به شبیه سازی عملکرد این ردیاب ها با استفاده از سخت افزار رزبری پای پرداخته ایم. و با نتایج به دست آمده از شبیه سازی ها، این ردیاب ها را با هم مقایسه کردیم. دو نوع آزمایش انجام دادیم که بر روی تعدادی از دنباله فریم ها و ویدئوهای معیار در ادبیات ردیابی و نیز ویدئوهای ضبط شده انجام شده اند.