Sledování, učení a detekce objektů různých rychlostí

Abstract

V této práci navrhujeme algoritmus pro detekci a sledování objektů, které se v záběru kamery pohybují vysokou rychlostí, nicméně mohou se i zpomalit. Objekt nazýváme rychle se pohybujícím (vůči nějaké kameře), jestli jeho trajektorie po dobu jednoho snímku překročí jeho velikost. Takové objekty jsou často špatně viditelné a vypadají jako poloprůhledné pruhy. První, detekční část navrhovaného algoritmu je schopná nalézt rychle se pohybující objekty bez předchozích znalostí. Druhá část algoritmu slouží pro dlouhodobé sledování, a zvládá nepřetržité sledování i těch objektů, které zpomalí a již nejsou rychle se pohybující. Pro vyhodnocení algoritmu jsme připravili datovou sadu FMOv2. Výsledky ukazují, že navržená metoda překonává dosavadní algoritmy sledování, pokud jsou objekty rychle se pohybující. Také jsme předvedli několik aplikací detekce a sledování rychle se pohybjících objektů, například zvýraznění sledovaného objektů, měření rychlosti, časové super rozlišení, a jiné.

In this thesis we propose an algorithm which allows detection and tracking of objects that appear in videos as fast moving which can possibly slow down. Object is fast moving (with respect to a camera) if its projected trajectory is larger than its size in one frame. In a single frame, such objects are often barely visible and appear as semi-transparent streaks. The detection part of the algorithm can discover previously unseen fast moving objects. The long-term tracking part is able to continuously track objects even when they are no longer fast moving. For the method evaluation we introduce FMOv2 dataset. The results show that the proposed method outperforms existing trackers when objects are fast moving. We demonstrate several applications of fast moving object detection and long-term tracking, such as temporal super-resolution, highlighting, speed estimation and other.