Object occlusion은 객체 추적 애플리케이션의 일반적인 도전이며, 객체가 일시적으로 숨겨져 있거나 다른 객체로 오버랜딩됩니다. occlusion을 처리하는 것은 정확도와 시스템 견고성을 효과적으로 향상시킵니다. 여러 가지 실용적인 방법은 다양한 응용 분야에서이 문제를 해결하는 데 사용됩니다.

Kalman 필터 및 사전 모델

Kalman 필터는 폭력 기간 동안 객체의 위치를 예측하는 데 널리 사용됩니다. 그들은 이전 관측에 따라 미래의 상태를 추정하고 시각적 데이터가 일시적으로 사용할 때 객체 정체성을 유지하도록 추적기를 허용합니다. 이 방법은 선형 및 예측 가능한 모션 패턴에 효과적입니다.

데이터 협회 기술

이 알고리즘은 헝가리 알고리즘이나 그리스어 일치와 같은 데이터 협회 알고리즘을 통해 프레임을 통해 수집된 개체를 감지하는 데 도움이 됩니다. 공산 동안, 이 알고리즘은 공간 근접, 모션 모델, 그리고 외관 기능에 의존하여 올바르게 일치 객체를 다시 구현합니다.

외관 모델링

외관 모델은 색상, 질감, 또는 객체를 구별하기 위해 모양과 같은 시각적 기능을 분석합니다. occlusion이 발생하면, 이 모델은 재분명, ID 스위치 및 추적 오류를 감소 한 후 재분명 개체에 도움을줍니다.

Multi-Object 추적 전략

여러 센서 또는 카메라 각도를 사용하여 망설임 효과를 완화 할 수 있습니다. 멀티 뷰 추적은 다양한 관점에서 데이터를 결합하여 완전한 망설임의 소박함을 줄이고 전반적인 추적 안정성을 향상시킵니다.