multi-object-tracking
Projekt zaliczeniowy z przedmiotu Sztuczna Inteligencja w Robotyce
Autor: Maciej Piotr Krupka
Modele grafowy
Jako model grafowy został wykorzystany graf dwudzielny (ang. Bipartite graph)
Jak na obrazie powyzej kolumny odpowiadają obiektą z obecnej klatki, a wiersze obiektą z poprzedniej klatki. Wartość odpowiada mierze prawdopodobieństwa dopasowania miedzy obiektami. W ramach projektu został dodany dodatkowy wiersz, który odpowiada za brak wystąpienia obiektu w klatce poprzedniej.
Optymalizacja grafu
W celu rozwiazania przypisania, czyli zwrocenia najlepszego wyniku został wykorzystana metoda węgierska (ang.Hungarian algorithm) wykorzystując implementacje biblioteki Scipy
Metryki
Korelacja histogramu
Obliczane jest podobieństwo między histogramami obiektów na podstawie współczynnika korelacji. W tym przypadku, korzystamy z dwuwymiarowych histogramów, które uwzględniają zarówno odcienie barw (Hue) jak i nasycenie (Saturation). Dzięki temu metoda działa nawet gdy zmienia się ich położenie lub kształt.
Indeks Jaccarda
Współczynnik Jaccarda mierzy podobieństwo między dwoma obiektami i jest zdefiniowany jako iloraz mocy części wspólnej zbiorów i mocy sumy tych zbiorów.
Structural similarity
Funkcja oblicza wartość podobieństwa strukturalnego (SSIM) między dwoma obiektami. SSIM jest miarą podobieństwa strukturalnego między dwoma obrazami, uwzględniając zarówno informacje o jasności, kontraście, jak i strukturze.