Riassunto analitico
Il lavoro presentato nella tesi riguarda la ricerca e l'implementazione di metodi che possano portare al miglioramento di un Multiple Target Tracker. L'implementazione si appoggia su quella già esistente di un tracker, il quale è stato quindi la base di partenza per gli studi effettuati. Il suddetto tracker cerca di tracciare persone in situazioni più o meno complicate ed è composto da più step. Il primo step cerca di associare le detection alle persone presenti in scena sfrtuttando unicamente feature la cui computazione risulta molto veloce (per esempio: coordinate degli oggetti in scena). Il secondo step cerca di risolvere le associazioni più complesse sfruttando, nel caso ci dovessero essere, feature più discriminative (per esempio: feature basate sul colore). Il terzo step si occupa dell'aggiornamento dei dati. Ogni oggetto in scena è infatti rappresentato da un modello aventi numerose caratteristiche che devono essere aggiornate per mantenere la consistenza dei dati e per poterli tracciare in modo corretto nel tempo.
In questo modo il tracker risulta essere molto veloce e utilizzerà informazioni più complesse per risolvere eventuali incertezze dovute all'utilizzo delle sole feature spaziali al primo step. La ricerca si è svolta inserendo un sub-step intermedio all'interno del già esistente secondo step. Durante questo passo si è quindi cercato di utilizzare diverse tecniche per poter risolvere associazioni incerte ancor prima dell'utilizzo delle feature più complesse. La ricerca ha portato quindi all'implementazione e allo studio di diverse metodologie di computer vision e di machine learning con la produzione di risultati qualitativi e quantitativi ottenuti con l'utilizzo di tecniche di test molto precise e oggettive. Nel particolare gli studi effettuati spaziano dall'utilizzo di un detector, un possibile metodo per la scelta delle feature più adatte alla situazione considerata, un algoritmo di template matching, un metodo di classificazione di teste (head detector), un approccio basato sul Multiple Hypothesis Tracking (MHT) e uno studio basato sulla costruzione di tutte le possibili ipotesi interpretate sotto forma di grafo, risolto con un metodo di ricerca del cammino minimo.
Verrà quindi presentato il tracker, gli step, i metodi utilizzati e i risultati ottenuti.
|
