Derin öğrenme temelli gerçek zamanlı hedef takip sistemi

Gerçek zamanlı görsel nesne izleme sistemi, bir video dizisinde veya sabit görüntülerde, bir sınır kutusu ile algılamayı ve hedefi tanımlamayı kapsar ve bu nesneyi, yoğun aydınlatma ve hareketli kameraların neden olduğu belirsiz ortamlarda insan müdahalesi olmadan takip etmeye devam eder. Ek olarak, gereksinimleri karşılamak için bazen sınırlı olan donanım özelliklerini artırarak veya verimli algoritmaları geliştirerek gerçek zamanlı bir nesne izleyiciye ihtiyacımız olur. Bu çalışmada, önce derin öğrenme ve izleme teknikleri için bir analiz ve bilgi araştırması sunulmuştur, Sonrasında gerçek zamanlı ve doğru bir derin öğrenme tabanlı izleme sistemi oluşturmak için çapraz bir izleme yöntemi önerilmiştir. Tespit ve Takip (DETRAC) Çalışmamızda, yüksek doğruluk, hassasiyet, etkin bir doğrulama ve yeniden konumlandırma uygulaması elde etmek için You Only Look Once tespit algoritması (YOLO) ile Kernelized Correlation Filter (KCF) takip algoritması kullanılmıştır. İzleme yeteneğini ve genel performansı artırmak için YOLOv3 mimarisini kullandık ve ağı eğitmek için dronların veri setlerini oluşturduk. Bu uygulamanın Hassasiyeti% 80'dir. Bu hassasiyet, tek başına YOLO'dan% 8 ve tek başına KCF'den % 58 daha yüksektir ve deneysel donanımımızda saniyede 31 kare hızında çalışır.