Tracciamento di più oggetti: La guida definitiva

Gianni

Aggiornato il 09/04/2024• Soluzioni comprovate

Tracciamento di più oggetti (MOT) In un video è un processo impegnativo con molte applicazioni sia nel settore pubblico che in quello privato. Le telecamere di sorveglianza nei luoghi pubblici possono tracciare potenziali criminali, mentre i negozi al dettaglio possono utilizzare il tracciamento degli oggetti per monitorare il comportamento dei clienti.

Sviluppata nel 1988 da Zenon Pylyshyn, la MOT è una tecnica ideata per studiare la capacità del sistema visivo umano di seguire più oggetti in movimento. Da allora, tuttavia, sono stati introdotti diversi metodi per il tracciamento degli oggetti attraverso la computer vision.

In questo articolo esploreremo il Multi Object Tracking e forniremo una guida dettagliata sul tracciamento degli oggetti e sui requisiti per il tracciamento di più oggetti.

Parte 1. Che cos'è il tracciamento degli oggetti

L'Object Tracking è un'applicazione della computer vision che prevede il tracciamento del movimento degli oggetti in tempo reale. È uno strumento utile per molti scopi diversi, come la videosorveglianza, l'interazione uomo-computer e la sicurezza automobilistica.

L'algoritmo di Object Tracking è un programma basato sull'apprendimento profondo che funziona sviluppando un modello per ogni singolo oggetto e creando una serie di traiettorie per rappresentarne il movimento. Ciò avviene attraverso un'indicazione, come un quadrato, che segue l'oggetto e comunica agli utenti la sua posizione sullo schermo in tempo reale.

I suoi algoritmi sono progettati per lavorare con vari tipi di input, tra cui immagini e video e filmati in tempo reale. L'input che si prevede di utilizzare influisce sulla categoria, sui casi d'uso e sulle applicazioni di tracciamento degli oggetti.

Parte 2. Tipi di tracciamento degli oggetti

Esistono due tipi o livelli principali di tracciamento degli oggetti: SOT e MOT

SOT

Il Single Object Tracking o Visual Object Tracking è un processo in cui il rettangolo di selezione dell'oggetto target viene assegnato al tracker nel primo fotogramma. Il tracker rileva quindi lo stesso oggetto in tutti gli altri fotogrammi.

Il SOT rileva e traccia un solo oggetto e rientra nella categoria del rilevamento senza rilevamento, il che implica che viene inizializzato manualmente con un numero fisso di oggetti, anche se altri oggetti sono presenti nei fotogrammi.

Vediamo di capirlo con un esempio: Un dipartimento di polizia sta risolvendo un caso di omicidio che coinvolge un'auto in autostrada. Hanno ricevuto i filmati delle telecamere di sorveglianza e volevano rintracciare il veicolo per risolvere il mistero. Tuttavia, potrebbe essere necessario del tempo per farlo manualmente. Pertanto, si utilizzerà il processo di tracciamento di un singolo oggetto e si assegnerà al tracker un riquadro di delimitazione per l'auto di destinazione, per verificare cosa succede ad essa.

MOT

Il tracciamento di oggetti multipli prevede il tracciamento di più oggetti in un fotogramma. Da quando è stato sviluppato nel 1988 da Zenon Pylyshyn, sono stati condotti numerosi esperimenti per verificare come i sistemi di visione umana e computerizzata possano rilevare e tracciare più oggetti in un fotogramma.

Come risultato, il tracciamento multiplo crea diversi riquadri di delimitazione che vengono identificati utilizzando alcuni parametri come le coordinate, la larghezza, l'altezza, ecc. Il programma MOT non è pre-addestrato per quanto riguarda l'aspetto o la quantità di oggetti da tracciare.

Inoltre, l'algoritmo assegna a ogni casella un ID di rilevamento che aiuta il modello a identificare gli oggetti all'interno di una classe. Ad esempio, se in un'inquadratura sono presenti più auto, l'algoritmo MOT identifica ogni auto come un oggetto separato e le assegna un ID univoco.

Parte 3. Quali sono le esigenze del Multi Object Tracking?

Qui sopra è riportata la spiegazione della MOT. In questa parte ci concentreremo sul suo meccanismo. Di seguito sono riportati alcuni dei requisiti più importanti del Multi Object Tracking:

1. Rilevamento

L'approccio migliore per rilevare gli oggetti di interesse dipende da cosa si sta cercando di tracciare e se la telecamera è ferma o in movimento.

MOT con telecamera fissa

L'oggetto di sistema vision.ForegroundDetector può essere utilizzato per rilevare oggetti in movimento su uno sfondo fermo, eseguendo la sottrazione dello sfondo. Questo approccio è efficiente, ma richiede che la telecamera sia ferma.

MOT con telecamera mobile

Un approccio di rilevamento a finestra scorrevole viene spesso utilizzato con una telecamera in movimento per rilevare gli oggetti in movimento. Tuttavia, questo approccio è più lento del metodo di sottrazione dello sfondo.

Utilizzate i seguenti approcci per tracciare le categorie di oggetti indicate.

2. Previsione

Il secondo requisito del Multi Object Tracking è la "Predizione". In questo caso, è necessario prevedere la posizione dell'oggetto da tracciare nel fotogramma successivo. A tal fine, è possibile progettare il modello per utilizzare il filtro di Kalman (vision.KalmanFilter).

Questo aiuta a prevedere la posizione successiva dell'oggetto nei fotogrammi. A tal fine, terrà conto della velocità costante dell'oggetto, del rumore di misura ad accelerazione costante e del rumore di processo. Il rumore di misura è il rilevamento di un errore, mentre il rumore di processo è la variazione del movimento effettivo dell'oggetto rispetto a quello del modello di movimento.

3. Associazione di dati

L'associazione dei dati è una fase critica del tracciamento di oggetti multipli e consiste nel collegare tra loro i punti di dati che rappresentano la stessa cosa in diversi fotogrammi.

Una "traccia" è la storia temporale di un oggetto costituita da più rilevamenti e può includere l'intera storia delle posizioni passate dell'oggetto o semplicemente l'ultima posizione nota dell'oggetto e la velocità attuale.

Parte 4. Approcci al tracciamento degli oggetti

Dopo aver capito quali sono le esigenze del MOT, vediamo la teoria del funzionamento dell'Object Tracking.

I seguenti sono gli approcci più diffusi per il tracciamento degli oggetti:

1. Tracciamento degli oggetti basato su OpenCV

Esistono molti modi per affrontare il tracciamento degli oggetti, ma uno dei più popolari è l'uso di algoritmi integrati nella libreria OpenCV.

La libreria dispone di un'API di tracciamento contenente algoritmi di Object Tracking e otto tracker: BOOSTING, MEDIANFLOW, MIL, KCF, CSRT, TLD, GOTURN e MOSSE. Ogni tracker presenta vantaggi e svantaggi e ha obiettivi diversi. Ad esempio, il tracker MOSSE è il migliore per il tracciamento più veloce degli oggetti.

Per un'analisi più approfondita di OpenCV Object Tracking e di cosa sia OpenCV, leggete il nostro articolo su: Tracciamento OpenCV: Una guida completa nel 2022.(consegnato allo stesso tempo, è possibile inserire un link interno a questo argomento dell'articolo)

2. MDNet

MDNet rappresenta una svolta nel campo del tracking, perché è la prima rete a utilizzare modelli basati sulla classificazione, invece dell'approccio più tradizionale. Questo rende MDNet molto più veloce e preciso di altri metodi di tracciamento.

Ispirato alla rete di rilevamento degli oggetti R-CNN, l'algoritmo MDNet è in grado di rilevare gli oggetti in tempo reale in modo più efficiente e ad alta velocità, diventando così un tracker visivo all'avanguardia.

3. DeepSort

DeepSort è l'algoritmo di tracciamento degli oggetti più diffuso. L'integrazione di informazioni sull'aspetto o di metriche di distanza dell'aspetto profondo migliora notevolmente le prestazioni di DeepSORT.

L'aggiunta della metrica di distanza "Deep Appearance" consente a DeepSort di evitare l'identificazione di switch del 45% e di gestire scenari complessi. Sul dataset MOT17, DeepSORT ha ricevuto 77,2 IDF1 e 75,4 MOTA con 239 scambi di ID, ma con un FPS inferiore di 13.

4. ROLO

ROLO - una combinazione di YOLO e LSTM - è una rete neurale convoluzionale spaziotemporale che utilizza il modulo YOLO e la rete LTSM per raccogliere le caratteristiche visive, i priori di inferenza della posizione e la localizzazione della traiettoria dell'oggetto target.

La rete LSTM utilizza un vettore di caratteristiche in ingresso di lunghezza 4096 per ogni fotogramma per prevedere la posizione dell'oggetto target. Questo vettore si ottiene combinando le caratteristiche visive di alto livello con il rilevamento YOLO. Lavorando insieme, LSTM e YOLO sono in grado di prevedere con maggiore precisione la posizione dell'oggetto da raggiungere.

TESTO ALT: rolo per il tracciamento degli oggetti

Conclusione

In questa guida definitiva abbiamo parlato del Multi Object Tracking e dei suoi requisiti. Abbiamo anche esplorato diversi approcci per il tracciamento degli oggetti, per aiutarvi a determinare quale sia il migliore per le vostre esigenze.

Speriamo che questa guida sia stata utile e che le vostre domande relative al tracciamento degli oggetti e ai suoi tipi siano state risolte.

Provalo Gratis

Per win11 / Win10 / 8.1 / 8/ 7 (64 bit)

Scopri di Più

Homepage di Filmora Windows

Garanzia di Download Sicuro, zero malware

Provalo Gratis

Per macOS V 10.14 o versioni successive

Scopri di Più

Homepage di Filmora macOS

Garanzia di Download Sicuro, zero malware

Gianni

Gianni is a writer and a lover of all things video.

Follow @Gianni