オブジェクトのocclusionは、オブジェクトのトラッキングアプリケーションで一般的な課題です。オブジェクトは一時的に非表示または他のオブジェクトによって重複します。occlusionの処理は、トラッキングの精度とシステムの堅牢性を効果的に向上します。さまざまなアプリケーションでこの問題に対処するために、いくつかの実用的な方法は使用されます。

カルマンフィルタと予測モデル

カルマンフィルタは、オクルージョン期間中にオブジェクトの位置を予測するために広く使用されています。 それらは、以前の観察に基づいて将来の状態を推定し、視覚データが一時的に利用できなくなった場合でも、トラッカーがオブジェクトのアイデンティティを維持できるようにします。 この方法は、線形および予測可能なモーションパターンに有効です。

データ協会のテクニック

ハンガリーのアルゴリズムやグリーディングなどのデータ関連付けアルゴリズムは、フレーム全体でオブジェクトを関連付けるのに役立ちます。 occlusion では、これらのアルゴリズムは空間の近接、モーションモデル、および外観機能に依存して、再登場するとオブジェクトに正しくマッチします。

出現の模倣

外観モデルは、オブジェクトを区別するために色、質感、または形状などの視覚的特徴を分析します。 閉塞が発生したとき、これらのモデルは、再結合後のオブジェクトを再識別し、アイデンティティスイッチを減らし、エラーを追跡するのに役立ちます。

複数のオブジェクト追跡戦略

複数のセンサーやカメラの角度を使用して、オクルージョン効果を緩和できます。マルチビュートラッキングは、さまざまな視点からデータを組み合わせ、完全なオクルージョンの可能性を減らし、全体的なトラッキングの信頼性を向上させることができます。