Ufuatiliaji wa Vitu Vingi
Ufuatiliaji wa vitu vingi (MOT) hufuata vitu vingi - watembea kwa miguu, magari, wachezaji - kwenye fremu za video, na kumpa kila utambulisho thabiti baada ya muda.
Muhtasari
It's the backbone of autonomous driving perception, sports analytics, and smart-city traffic monitoring.
Dive ya kina
Majibu ya ufuatiliaji wa vitu vingi sio tu 'kile kilicho katika kila fremu' lakini 'kipimo gani katika fremu ya pili ni kitu sawa na katika fremu ya kwanza.' Mtazamo mkuu ni ufuatiliaji-kwa-ugunduzi: kigunduzi cha kitu (kama YOLO) hupata visanduku vya kufunga kila fremu, kisha kifuatiliaji huviunganisha kwa muda hadi kwenye trajectories. SORT inaoanisha kichujio cha Kalman, ambacho hutabiri mahali ambapo kila kitu kitasogea, kwa algoriti ya Kihungari kwa upatanishi bora wa kisanduku. DeepSORT huongeza upachikaji wa mwonekano uliofunzwa ili vitu viweze kutambuliwa tena baada ya kufungwa. ByteTrack iliboresha usahihi kwa kuhusisha utambuzi wa watu wasiojiamini badala ya kuwatupilia mbali. Matatizo makuu ni kuziba, swichi za utambulisho (kubadilishana vitambulisho wakati vitu vinapovuka), matukio yenye watu wengi, na vitu vinavyoingia au kuondoka kwenye fremu.
Ufahamu wa Kiufundi
Kifuatiliaji hudumisha 'wimbo' kwa kila kitu kilicho na muundo wa mwendo. Kichujio cha Kalman kinatabiri nafasi inayofuata ya kila wimbo; ugunduzi mpya unalinganishwa na ubashiri kwa kukokotoa gharama (muingiliano/IoU pamoja na ulinganifu wa mwonekano) na kutatua kazi kwa kutumia algoriti ya Hungaria. Upachikaji wa mwonekano - vekta za vipengele vilivyoshikana kutoka kwa mtandao wa utambulishaji upya - huruhusu mfumo kurejesha utambulisho sahihi baada ya kitu kufichwa kwa muda, kuzuia swichi za vitambulisho ambazo miundo ya mwendo huteseka katika matukio yenye watu wengi.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Ufuatiliaji wa Vitu Vingi
Ufuatiliaji unasonga mbele kuelekea miundo ya kibadilishaji cha mwisho-hadi-mwisho (kama vile TrackFormer na MOTR) ambayo hutambua na kuhusisha vitu kwa pamoja katika mtandao mmoja, na kuondoa hatua ya ulinganishaji iliyopangwa kwa mkono. Tarajia ufuatiliaji thabiti wa kamera nyingi na 3D kwa magari yanayojiendesha na kumbi kubwa, pamoja na ufuatiliaji wa vitu kiholela, vyenye msamiati wazi badala ya kategoria zisizobadilika. Utambulisho bora zaidi wa muda mrefu na uimara wa kuziba sana na umati unasalia kuwa na malengo amilifu, yakisaidiwa zaidi na miundo msingi ambayo hutoa vipengele tele vya kuona.
Utekelezaji wa Ulimwengu Halisi
Mtazamo wa magari unaojiendesha ambao hufuatilia magari yanayozunguka, waendesha baiskeli, na watembea kwa miguu ili kutabiri njia zao na kuepuka migongano.
Uchanganuzi wa michezo unaofuata kila mchezaji na mpira ili kukokotoa umbali uliofunikwa, fomu na takwimu za umiliki
Mifumo ya trafiki ya jiji mahiri ambayo huhesabu na kufuata magari ili kupima mtiririko, kugundua msongamano na ishara za wakati
Uchanganuzi wa rejareja na usalama unaofuatilia mienendo ya wanunuzi kupitia duka au watu kupitia kituo cha usafiri
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
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
Mwongozo unaofuata
Utambuzi wa Kitu
Maswali yanayoulizwa mara kwa mara
What is Multi-Object Tracking?
Ufuatiliaji wa vitu vingi (MOT) hufuata vitu vingi - watembea kwa miguu, magari, wachezaji - kwenye fremu za video, na kumpa kila utambulisho thabiti baada ya muda. Ni uti wa mgongo wa mtazamo wa kuendesha gari kwa uhuru, uchanganuzi wa michezo, na ufuatiliaji wa trafiki wa jiji mahiri.
Ni nini lengo kuu la ufuatiliaji wa vitu vingi?
MOT hukabidhi na kudumisha kitambulisho thabiti kwa kila kitu kinaposogezwa kwenye video, ikiunganisha ugunduzi wa muda kwenye trajectories.
Je! dhana ya 'kufuatilia-kwa-kugundua' inahusisha nini?
Ufuatiliaji-kwa-ugunduzi huendesha kigunduzi cha kitu kila fremu na kisha kuhusisha visanduku vinavyotokana na wakati katika nyimbo zinazoendelea.
Kichujio cha Kalman kina jukumu gani katika vifuatiliaji kama vile SORT?
Kichujio cha Kalman ni mfano wa mwendo wa kila kitu na kutabiri nafasi yake inayofuata, ambayo inalinganishwa na ugunduzi mpya.
DeepSORT iliongeza nini juu ya SORT?
DeepSORT ilianzisha vekta za kipengele cha mwonekano ili vitu viweze kutambuliwa tena baada ya kufichwa kwa muda mfupi, na kupunguza swichi za utambulisho.
'Switch kitambulisho' ni nini katika ufuatiliaji wa vitu vingi?
Swichi ya utambulisho hutokea wakati kifuatiliaji kinapokabidhi upya vitambulisho kati ya vitu kwa njia isiyo sahihi, kwa kawaida vinapopishana au kuvuka katika matukio yenye watu wengi.