ارزيابي كارايي الگوريتم‌هاي مختلف رديابي اشياء

رديابي اشياء در ويدئوها در حال حاضر يكي از مهم‌ترين زمينه‌هاي تحقيقاتي در بينايي ماشين است. براي انجام رديابي الگوريتم‌هاي زيادي پيشنهاد شده و مي‌شوند كه كارايي دغدغه اصلي تمام آن‌ها است. هدف اين مقاله مقايسه و ارزيابي كارايي هشت الگوريتم مختلف رديابي CSRT، MIL، Boosting، Median Flow، KCF، MOSSE، TLD و GOTURN است. هر يك از اين الگوريتم‌ها در مسئله رديابي از روش و ويژگي‌هاي مربوط به خود استفاده مي‌كنند. ارزيابي اين الگوريتم‌ها و ويژگي‌هاي متنوع به‌كار رفته در آن‌ها با استفاده از ويدئوهاي مختلف انجام شده است. نتايج پياده‌سازي و ارزيابي نشان مي‌دهد كه كارايي الگوريتم CSRT در مسئله شناسايي و رديابي نسبت به بقيه الگوريتم‌ها در مقابل چالش‌هايي همانند انسداد و چرخش بهتر و مقاوم‌تر است. از دلايل عملكرد بهتر اين الگوريتم مي‌توان به استفاده وزن‌دار از كانال‌هايي داراي چندين ويژگي مناسب مثل هيستوگرام‌هاي شيب‌هاي جهت‌دار، استفاده از فيلترهاي همبستگي در حوزه تبديل و استفاده از نقشه مكان قابل اعتماد اشاره كرد.