Sledování pohyblivých objektů ve videu

Abstract

Tato práce se zabývá problematikou sledování objektů ve vícekamerových systémech, sestávající z detekce, sledování a re-identifikace objektů. Pro řešení tohoto problému byl navržen systém využívající tzv. state-of-the art metody, s provedením následného zpracování těchto dat pro zvýšení přesnosti a rozpoznání objektů napříč kamerami. Data získaná sledováním objektů ve vícekamerových systémech lze dále využít například pro analýzu chování osob v případě sledování chodců, nebo správu světelných křižovatek v případě sledování vozidel. V rámci řešení této problematiky se tato práce zúčastnila nové AI City Challenge výzvy sledování chodců, vypsané pro rok 2023. S výsledkem 0,2533 IDF1 se tato práce umístila na celkovém 21. místě.This thesis deals with the issue of multi-target multi-camera tracking, which consists of detection, tracking and re-identification of objects. The framework designed to deal with this problem uses state-of-the art methods followed by post-processing of data retrieved by these methods to improve overall accuracy and object re-identification across cameras. The data obtained by the multi-target multi-camera tracking can be further used in tasks such as crowd behaviour analysis in case of pedestrian tracking, or traffic management in case of vehicle tracking. As part of this solution, this work took part in the new challenge of pedestrian tracking, issued by AI City Challenge for year 2023, with a score of 0.2533 IDF1, resulting in 21st place.