Kurzbeschreibung
Analyse aktueller Verfahren zur Langzeit-Objektverfolgung mit einmaliger Initialisierung| Student: | Marc Leineke |
| Jahr: | 2023 |
| Themengebiet: | Computer Vision |
Ein einflussreiches Verfahren zur Objektverfolgung ist das Tracking-Learning-Detection Verfahren (TLD) von Kalal et al. aus dem Jahr 2010, welches als Online-Langzeit-Tracker mit einmaliger Initialisierung charakterisiert werden kann. Durch die geschickte Kombination der drei Komponenten Tracker, Learner und Detector arbeitet dieses Verfahren äußerst zuverlässig. Der Detector kann den Tracker reinitialisieren, falls der Tracker das Objekt verliert. Der Learner nutzt den sogenannten P-N Algorithmus, um eine ansichtenbasierte Objektrepräsentation in Form von Positiv- und Negativbeispielen zu erstellen und damit das Objektmodell des Detectors systematisch zu erweitern. Neuere Verfahren übertreffen jedoch das TLD-Verfahren, insbesondere bezüglich der Genauigkeit der Verfolgung. In den letzten Jahren wurden außerdem immer mehr Deep Learning-basierte Verfahren entwickelt. Durch eine gezielte Gegenüberstellung und systematischer Tests verschiedener Verfahren soll im Rahmen dieser Arbeit untersucht werden, welche Eigenschaften und Kriterien ein Online-Verfahren zur Objektverfolgung besonders robust für eine Langzeitverfolgung machen. Dazu werden TLD-ähnliche Verfahren identifiziert und systematisch analysiert.