یررسی مکانیزم های ردیابی اشیا

ردیابی اشیا (Object Tracking) همواره یک موضوع پرچالش بوده است. در سالیان اخیر با رشد سیستم‎های هوشمند و اینترنت اشیا، ردیابی تجهیزات از اهمیت بیشتری برخوردار گردیده است. حرکت‎های ناگهانی اجسام، تغییر الگوهای رفتاری اشیا، تغییر ظاهری اشیا، انسداد های جسم به جسم، حرکت کند دوربین و … از مهمترین معضلات در ردیابی اشیا می باشند.

(توضیح آنکه هدف ما در این پست بررسی ردیابی اشیا توسط دوربین های تصویری می‎باشد).

آشنایی با مفهوم ردیابی اشیا

ردیابی اشیا یا همان object tracking از موضوعات مهم در زمینه بینایی ماشین (Machine Vision) و ردیابی ویدئو (Video Tracking) می‎باشد. با کمک این تکنولوژی می‎توان به نظارت خودکار برروی تجهیزات پرداخت. در تعامل انسانها با اشیا هوشمند نیاز به یکسری موارد امنیتی هست. ردیابی تجهیزات به ارتقا امنیت کمک زیادی می‎کند.

امروزه از Object Tracking برای نظارت بر مسیریابی و استفاده از جریان داده‎ای برای مقاصد تجاری، بصورت گسترده استفاده می‎شود.

در ردیابی اشیا، هر جسمی (زنده یا بی‎جان) می‎تواند مورد رصد و ردیابی قرار گیرد. مثلا یک قایق در دریا، یک ماهی در آکواریوم، یک وسیله نقلیه در جاده، یک هواپیما در هوا، افراد حاضر در یک فروشگاه و …

کاربردهای ردیابی اشیا

از object tracking می‎توان در کاربردهای زیر استفاده کرد:

1. ردیابی تلفن همراه
2. ردیابی خودرو
3. ردیابی اشخاص(بیماران و افراد سالمند)
4. ردیابی حیوانات خانگی
5. ردیابی اشیا
6. ردیابی کالاها(زنجیره تامین کالا)

ویژگی‎های مهم در شناسایی اشیا

هر شی دارای یک تعداد ویژگی منحصربفرد می‎باشد. شناسایی این ویژگی‎ها (features) برای ردیابی صحیح از اهمیت بسیار زیادی برخوردار است. در زیر لیستی از مهمترین ویژگی‎های اشیا برای شناسایی را مشاهده می‎کنید:

• رنگ: در ردیابی معمولا از خواص RGB  برای نشان دادن رنگ وسایل مختلف استفاده می‎شود، امآ در این زمینه یک چالش بزرگ وجود دارد و آن هم این است که RGB یک ادراک واحد از رنگها را نمی‎دهد. ردیاب‎ها معمولا رنگ اجسام را براساس دو عامل زیر شناسایی می‎کنند:
  • قدرت طیف نوری
  • بازتاب سطح
• مرزها: هر شی مرز مشخصی دارد. وجود حاشیه‎هایی در اشیا باعث می‎شود تا شناسایی آنها مشکل شود و احتما وقوع خطا افزایش یابد.
• جریان نوری: هر شی دارای یک میزان تراکم از بردارهای جابه‎جایی می‎باشد.
• بافت اشیا: صاف یا برجسته بودن اشیا باعث می‎شود تا پردازشگرها برای توصیف اشیا دچار مشکل شوند.

ویژگی‎های مهم دیگری نیز در شناسایی وجود دارد. معمولا الگوریتم‎های شناسایی شی سعی می‎کنند با استفاده از فیلترهای مختلف میزان خطای خود را کاهش دهند.

مکانیزم‎های شناسایی اشیا

هر روش ردیابی نیاز به یک مکانیزم مشخص برای شناسایی اشیا دارد. معمولا برای شناسایی تجهیزات با کمک تصاویر ویدئویی، از ترکیب فریم‎ها با یکدیگر استفاده می‎شود. بدین شکل میزان تشخیص‎های نادرست به حداقل خواهد رسید.

نظارت بر یادگیری

شناسایی اشیاء را می‎توان با کمک الگوریتم‎های یادگیری (Supervised Learning) بهبود داد. استفاده از نمونه‎های ثبت شده قبلی و تکمیل دانش باعث بهبود مکانیزم یادگیری می‎شود. کلاس‎بندی درست اطلاعات باعث بهبود شناسایی‎ها خواهد شد. طبقه‎بندی اشیا منجر به شناسایی سریع‎تر اشیا می‎شود.

آینده object tracking

درحالی‎که در چند سال گذشته، پیشرفت قابل ملاحظه‎ای در ردیابی اشیا با کمک تجهیزات مدرن تصویربرداری بوجود آمده است امّا همچنان مباحث کنتراست تصویر، تشخیص درست پس‎زمینه‎ها، شعاع حرکتی، انسداد شی و … نظارت خودکار براشیا را مشکل کرده است.

در حال حاضر محققان به دنبال ارتقاء سیستم‎های تشخیص خودکار با استفاده از حذف نویز، حذف داده‎های نامرتبط، استفاده از تکنیک‎های فشرده‎سازی و … هستند.