danДоклады Национальной академии наук БеларусиDoklady of the National Academy of Sciences of Belarus1561-83232524-2431The Republican Unitary Enterprise Publishing House "Belaruskaya Navuka"10.29235/1561-8323-2024-68-2-105-111dan-1180Research ArticleИНФОРМАТИКАINFORMATICSАлгоритм сопровождения объекта, наблюдаемого видеокамеройAlgorithm for tracking an object observed by а video cameraЗалесскийБ. А.ZaleskyB. A.

Залесский Борис Андреевич – д-р физ.-мат. наук, заведующий лабораторией

ул. Сурганова, 6, 220012, Минск

Boris A. Zalesky– D. Sc. (Physics and Mathematics), Head of the Laboratory

6, Surganov Str., 220012, Minsk

zalesky@newman.bas-net.byИванюковичВ. А.IvanyukovichV. A.

Иванюкович Владимир Александрович – мл. науч. сотрудник

ул. Сурганова, 6, 220012, Минск

Vladimir A. Ivanyukovich– Junior Researcher

6, Surganov Str., 220012, Minsk

Объединенный институт проблем информатики Национальной академии наук БеларусиUnited Institute of Informatics Problems of the National Academy of Sciences of Belarus202429042024682105111Copyright © Залесский Б.А., Иванюкович В.А., 20242024Залесский Б.А., Иванюкович В.А.Zalesky B.A., Ivanyukovich V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.belnauka.by/jour/article/view/1180

Разработан алгоритм отслеживания объекта, наблюдаемого на кадрах видеопотока. Особенность алгоритма заключается в автоматическом обнаружении и захвате объекта одного из заранее заданных типов, его дальнейшем надежном сопровождении, быстром повторном захвате сопровождаемого объекта в случае срыва сопровождения, захвате другого объекта нужного типа при исчезновении сопровождаемого объекта. Обнаружение объекта интереса на кадрах видео осуществляется с помощью нейронной сети-детектора, а сопровождение – разработанным алгоритмом.

An algorithm for tracking an object observed on video frames is presented. The specific feature of the constructed algorithm is the automatic detection and capture of an object of one of predetermined types, its further reliable tracking, the rapid re-capture of the tracked object in the case of a failure of tracking, the capture of another object of desired type if the tracked object disappears. An object of interest on video frames is detected using a neural network detector, whereas tracking is performed by the developed algorithm.

видеопотокобнаружение объектаотслеживание объектанейронная сеть-детектортрекерvideoobject detectionobject trackingneural network detectortrackerReferencesObject Tracking [Electronic resource]. – Mode of access: https://paperswithcode.com/task/object-tracking. – Date of access: 05.01.2024.Object Tracking (2024). Available at: https://paperswithcode.com/task/object-tracking (accessed 05 January 2024).Proceedings of Conference on Computer Vision and Pattern Recognition 2023. CVPR 2023. Vancouver Jun 18 2023 [Electronic resource]. – Mode of access: https://openaccess.thecvf.com/CVPR2023. – Date of access: 05.01.2024.Proceedings of Conference on Computer Vision and Pattern Recognition 2023. CVPR 2023. Vancouver Jun 18 2023. Available at: https://openaccess.thecvf.com/CVPR2023 (accessed 05 January 2024).Visual object tracking: A survey / F. Chen [et al.] // Computer Vision and Image Understanding. – 2022. – Vol. 222. – Art. 103508. https://doi.org/10.1016/j.cviu.2022.103508Chen F., Wang X., Zhao Y., Lv Sh., Niu X. Visual object tracking: A survey. Computer Vision and Image Understanding, 2022, vol. 222, art. 103508. https://doi.org/10.1016/j.cviu.2022.103508Wojke N. Simple online and realtime tracking with a deep association metric / N. Wojke, A. Bewley, D. Paulus // 2017 IEEE International Conference on Image Processing (ICIP), 17–20 September 2017. – Beijing, China, 2017. – P. 3645–3649. https://doi.org/10.1109/ICIP.2017.8296962Wojke N., Bewley A., Paulus D. Simple online and realtime tracking with a deep association metric. 2017 IEEE International Conference on Image Processing (ICIP), 17–20 September 2017, Beijing, China, 2017, pp. 3645–3649. https://doi.org/10.1109/ICIP.2017.8296962ByteTrack: Multi-Object Tracking by Associating Every Detection Box / Yi Zhang [et al.] // Computer Vision – ECCV 2022. ECCV 2022 / eds.: S. Avidan [et al.]. – Springer, Cham, 2022. – P. 1–21. – (Lecture Notes in Computer Science, vol. 13682). https://doi.org/10.1007/978-3-031-20047-2_1Zhang Y., Sun P., Jiang Y., Yu D., Weng F., Yuan Z., Luo P., Liu W., Wang X. ByteTrack: Multi-Object Tracking by Associating Every Detection Box. Avidan S., Brostow G., Cissé M., Farinella G. M., Hassner T. (eds.). Computer Vision – ECCV 2022. ECCV 2022. Lecture Notes in Computer Science, vol. 13682. Springer, Cham, 2022, pp. 1–21. https://doi.org/10.1007/978-3-031-20047-2_1

The authors declare that there are no conflicts of interest present.