Pengesanan visual telah menjadi salah satu komponen yang penting dalam bidang
penglihatan computer kerana ilmu pengetahuan dalam bidang ini dapat digunakan dalam
pelbagai aplikasi seperti pengimejan dalam bidang perubatan, pengesahan corak, pengawasan
video, robot dalam industri, interaksi antara komputer-manusia dan lain-lain. Penyelidik
penyelidik telah menjalankan pengesanan visual dengan pelbagai keadah and pengubasuaian
juga dicadangkan untuk menanmbahbaikan keputusan pengesanan. Walaupun kebanyakan
kaedah telah mencapai keputusan yang memuaskan, tetapi masih wujud beberapa isu yang
perlu diutamakan kerana masalahnya tidak dapat diselesai sepenuhnya dan ini telah menjadi
cabaran dalam pengesanan visual. Oleh sebab ini, masih tidak berwujudnya kaedah yang
dapat mengesan sasaran dengan sempurnanya. Idea utama yang dicadangkan untuk
mempertingkatkan keseluruhan keputusan pengesanan adalah menjalankan teknik optimasi
pada parameter yang dipilih. Di sini, prestasi dinilai dengan mengunakan kadar pertindihan
(OR) dan ralat lokasi (CLE). Untuk mendapat prestasi yang terbaik, kadar pertindihan perlu
ditingkatkan ke tahap maksimum dan ralat lokasi perlu dikurangkan ke tahap minimum
berbanding dengan algoritma yang didapati dalam awam. Satu optimasi yang mudah
digunakan di sini, keputusan yang terbaik akan dipilih bersama dengan nilai parameter
daripada jarak yang ditentukan dalam cara kita. Dengan optimasi, kadar pertindihan purata
telah ditingkatkan kepada 0.554 dan ralat lokasi purata dikurangkan kepada 19.803 pixels.
Oleh, itu, keadah yang dicadangkan telah mencapai prestasi yang diharapkan dari segi
ketepatan dan kemantapan di pengesanan visual pada pelbagai video.
_______________________________________________________________________________________________________
Visual tracking has become one of the most important components in computer vision as the
knowledge in this field can be applied into a wide range of applications in computer vision
such as medical imaging, pattern recognition, video surveillance, industrial robot, computer
human interaction, etc. A lot of researches have been conducted and many types of state-of
the-art methods and modifications such as sparse representation, online similarity learning,
self-expressive, spatial kernel phase correlation filter and others are proposed in order to
increase the robustness of the tracking. Despite of many methods has been demonstrated
successfully, but there are several issues that still need to be addressed. There still have some
unsolvable difficulties in which they become a challenging task to track an object effectively
and robustly and it will tend to decrease the accuracy of the results and hence. Until now,
there are still no perfect algorithm to track the target flawlessly. In order to improve the
performance, the main idea proposed is implementing optimization technique on the selected
parameters and obtain a better performance. In this research, the tracking is proposed by
using the overlap ratio (OR) and center location error (CLE). In our case, our target is to
obtain a better accuracy, which is higher overlap ratio and lower center location error than the
result from the algorithms available in public. A simple optimization is used in here, where
the global best results with respect to the value of the parameters are selected through a range
of values defined in our work. Through the optimization, the overall overlap ratio is increased
to 0.554 and overall center location error is decreased to 19.803 pixels. Thus, the proposed
method had increased the accuracy and robustness of the visual tracking on many of the
video sequences.
Kernerlized correlation filters parameters optimization for enhanced visual tracking / Ong Chor Keat