Pengesanan objek adalah tingkah laku objek bergerak dengan kaedah pencarian yang sesuai. Beberapa tidak sepadan, kes pecah dan kes oklusi masing-masing. Dengan masalah ini, kita boleh menjejaki objek menggunakan penjejakan objek berganda dengan mencari algoritma untuk mengesan objek bergerak dalam bingkai penghubung berturut-turut. Dengan kaedah ini, pengekstrakan pengurangan latar belakang penolakan latar depan dan akhirnya menyediakan kotak sempadan sementara warna dimodelkan untuk setiap piksel yang dilakukan. Selepas itu, tensor yang dihasilkan akan mengandungi maklumat magnitud dan orientasi yang memberi input kepada komponen Gaussian. Ia akan dibandingkan dengan model warna dalam menyambungkan bingkai. Sekiranya perbandingan berjaya, ia akan menjejaki objek tersebut tetapi jika ia tidak serupa ia akan menjejaki objek yang lain. D alam kajian ini, ia menekankan bagaimana pengesanan objek berganda merentas bingkai video. Oleh itu, hasil untuk pelbagai objek ini adalah untuk menganalisis pemilihan pelbagai kemampuan dalam semua algoritma pengesan dalam kelajuannya dan arah pergerakan. Dalam kes ini, pengesan terbaik dan sesuai untuk penyelidikan ini adalah CSRT kerana ia mempunyai ketepatan yang lebih tinggi dalam pengesanan objek daripada algoritma pengesan yang lain. Bagaimanapun, ia mempunyai kelajuan yang lebih perlahan daripada KCF tetapi lebih tepat dalam menjejaki objek berganda di seluruh bingkai video. Oleh itu, kajian ini menyimpulkan bahawa setiap pelacak mempunyai kelebihan dan kekurangannya sendiri.
_______________________________________________________________________________________________________
Object tracking is the behavior of the moving objects with adaptive search method. Several are not match, split case and occlusion case respectively. By this problem we can track object using the multiple object tracking by finding algorithms to track the moving object in successive connecting frame. With this method, the extraction of the background subtraction of foreground subtraction and finally provide bounding box while colour modelled for each pixel is done. After that, the resulting tensor will contain magnitude and orientation information that give input to Gaussian component. It will be compared to colour model in connecting frame. If the comparison is successful, it will track the object but if it not similar it will track the other objects. In this research, it emphasizes how the multiple object tracking work across video frame. Therefore, the result for this multiple object is to analyse the selection multiple capability in all tracker algorithm within its speed and the direction of the motion. In this case, the best and suitable tracker for this research is CSRT as it has higher accuracy in object tracking than the other tracker algorithms. However, it has slower speed than KCF but more accurate in tracking the multiple object across video frame. Thus, this research conclude that every tracker has its own advantages and disadvantages.
Object tracking using opencv and python / Norimtiyazah Mohd Kamarulzaman Shah