ويشكل الاستبعاد من الأجسام تحدياً مشتركاً في تطبيقات تتبع الأجسام، حيث تُخفى الأجسام أو تتداخل مؤقتاً مع أشياء أخرى، ويحسن التعامل مع الاستبعاد بشكل فعال من دقة تتبع النظام وقوامه، ويُستخدم العديد من الأساليب العملية لمعالجة هذه المسألة في تطبيقات مختلفة.

نماذج كلمان للملفات والتنبؤات

وتستخدم مرشحات كالمان على نطاق واسع للتنبؤ بوضع الأجسام خلال فترات الاستبعاد، وهي تقدر الحالة المقبلة استنادا إلى الملاحظات السابقة، مما يسمح للمتتبع بأن يحتفظ بهوية الجسم حتى عندما تكون البيانات البصرية غير متاحة مؤقتا، وهذه الطريقة فعالة لأنماط الحركة المتوازية والقابلة للتنبؤ بها.

تقنيات رابطة البيانات

وتساعد الخوارزميات التابعة لجمعية البيانات، مثل الخوارزمية الهنغارية أو المطابقة الجشعة، على اكتشاف الأجسام المعاونة عبر الأطر، وتعتمد هذه الخوارزميات، أثناء الاستبعاد، على القرب المكاني، ونماذج الحركة، وملامح المظهر للأشياء المطابقة بدقة عندما تظهر من جديد.

نموذج التأشيرات

وتقوم نماذج التلميح بتحليل الملامح البصرية مثل اللون أو النسيج أو الشكل للتمييز بين الأشياء، وعندما يحدث الاستبعاد، تساعد هذه النماذج على إعادة تحديد الأشياء بعد أن تعود إلى الظهور، وتخفض مفاتيح الهوية، وتتعقب الأخطاء.

استراتيجيات التتبع المتعدد الأغراض

ويمكن أن يؤدي استخدام أجهزة الاستشعار المتعددة أو زوايا الكاميرات إلى التخفيف من آثار الاستبعاد، ويجمع التتبع المتعدد الجوانب بين البيانات من مختلف المنظورات، مما يقلل من احتمال الاختلال الكامل وتحسين موثوقية التتبع عموما.