تتبع الكائنات المتعددة
تتبع الكائنات المتعددة (MOT) العديد من الكائنات - المشاة والسيارات واللاعبين - عبر إطارات الفيديو، مما يمنح كل منها هوية متسقة مع مرور الوقت.
نظرة عامة
It's the backbone of autonomous driving perception, sports analytics, and smart-city traffic monitoring.
الغوص العميق
لا يجيب تتبع الكائنات المتعددة على "ما يوجد في كل إطار" فحسب، بل "أي اكتشاف في الإطار الثاني هو نفس الكائن الموجود في الإطار الأول". النموذج السائد هو التتبع عن طريق الاكتشاف: يقوم كاشف الكائنات (مثل YOLO) بالعثور على مربعات محيطة في كل إطار، ثم يقوم جهاز التتبع بربطها عبر الزمن في مسارات. يقوم SORT بإقران مرشح Kalman، الذي يتنبأ بالمكان الذي سيتحرك فيه كل كائن، مع الخوارزمية المجرية للحصول على مطابقة مثالية للمربع. يضيف DeepSORT تضمين المظهر المكتسب بحيث يمكن إعادة تعريف الكائنات بعد الإطباق. قامت ByteTrack بتحسين الدقة من خلال ربط الاكتشافات منخفضة الثقة أيضًا بدلاً من التخلص منها. تتمثل الصعوبات الأساسية في الإطباق، ومفاتيح الهوية (تبديل المعرفات عند تقاطع الكائنات)، والمشاهد المزدحمة، والأشياء التي تدخل الإطار أو تخرج منه.
البصيرة الفنية
يحتفظ جهاز التتبع بـ "مسار" لكل كائن باستخدام نموذج الحركة. يتنبأ مرشح كالمان بالموضع التالي لكل مسار؛ تتم مطابقة الاكتشافات الجديدة مع التنبؤات عن طريق حساب التكلفة (التداخل/IoU بالإضافة إلى تشابه المظهر) وحل المهمة باستخدام الخوارزمية المجرية. تتيح تضمينات المظهر - ناقلات الميزات المدمجة من شبكة إعادة التعريف - للنظام استعادة الهوية الصحيحة بعد إخفاء كائن لفترة وجيزة، مما يمنع تبديل المعرفات التي تعاني منها نماذج الحركة النقية في المشاهد المزدحمة.
التأثير الاستراتيجي
السرعة والحجم
يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
خيارات البناء
يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
الفريق وسير العمل
يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
مستقبل تتبع الكائنات المتعددة
يتجه التتبع نحو نماذج المحولات الشاملة (مثل TrackFormer وMOTR) التي تكتشف بشكل مشترك الكائنات وربطها في شبكة واحدة، مما يؤدي إلى إزالة مرحلة المطابقة الهشة المضبوطة يدويًا. توقع تتبعًا أقوى للكاميرات المتعددة وثلاثية الأبعاد للمركبات ذاتية القيادة والأماكن الكبيرة، بالإضافة إلى تتبع الكائنات العشوائية ذات المفردات المفتوحة بدلاً من الفئات الثابتة. تظل إعادة تحديد الهوية بشكل أفضل على المدى الطويل والمتانة في مواجهة الانسداد الشديد والحشود أهدافًا نشطة، مدعومة بشكل متزايد بنماذج الأساس التي توفر ميزات بصرية غنية.
التنفيذ في العالم الحقيقي
تصور مستقل للمركبة يتتبع السيارات المحيطة وراكبي الدراجات والمشاة للتنبؤ بمساراتهم وتجنب الاصطدامات
التحليلات الرياضية التي تتبع كل لاعب والكرة لحساب المسافة المقطوعة والتشكيلات وإحصائيات الاستحواذ
أنظمة مرور المدن الذكية التي تقوم بإحصاء المركبات ومتابعتها لقياس التدفق واكتشاف الازدحام وإشارات الوقت
تحليلات البيع بالتجزئة والأمن التي تتعقب حركة المتسوقين عبر المتجر أو الأشخاص عبر مركز النقل
المخاطر والدرابزين
يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
خارطة طريق التنفيذ
تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Multi-Object Tracking quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
كشف الكائنات
الأسئلة المتداولة
What is Multi-Object Tracking?
تتبع الكائنات المتعددة (MOT) العديد من الكائنات - المشاة والسيارات واللاعبين - عبر إطارات الفيديو، مما يمنح كل منها هوية متسقة مع مرور الوقت. إنها العمود الفقري لتصور القيادة الذاتية، والتحليلات الرياضية، ومراقبة حركة المرور في المدن الذكية.
ما هو الهدف الأساسي لتتبع الكائنات المتعددة؟
يقوم MOT بتعيين معرف ثابت لكل كائن والحفاظ عليه أثناء تحركه عبر الفيديو، وربط الاكتشافات بمرور الوقت بالمسارات.
ماذا يتضمن نموذج "التتبع عن طريق الكشف"؟
يقوم التتبع عن طريق الكشف بتشغيل كاشف الكائنات في كل إطار ثم ربط المربعات الناتجة عبر الوقت في مسارات مستمرة.
ما هو الدور الذي يلعبه مرشح كالمان في أدوات التتبع مثل SORT؟
يقوم مرشح كالمان بنمذجة حركة كل كائن ويتنبأ بموضعه التالي، والذي يتم بعد ذلك مطابقته للاكتشافات الجديدة.
ما الذي أضافه DeepSORT فوق SORT؟
قدم DeepSORT ناقلات ميزات المظهر بحيث يمكن إعادة تعريف الكائنات بعد إخفائها لفترة وجيزة، مما يقلل من تبديل الهوية.
ما هو "تبديل الهوية" في تتبع الكائنات المتعددة؟
يحدث تبديل الهوية عندما يقوم المتعقب بإعادة تعيين المعرفات بين الكائنات بشكل غير صحيح، وعادةً عندما تتداخل أو تتقاطع في المشاهد المزدحمة.