NGHIÊN CỨU VÀ SO SÁNH MỘT SỐ THUẬT TOÁN ĐỂ PHÁT HIỆN VÀ LẦN VẾT ĐỐI TƯỢNG

Abstract

Theo dõi và lần vết đối tượng là một phần quan trọng trong nhiều ứng dụng của lĩnh vực thị giác máy tính như giám sát và bảo mật, phân luồng giao thông, kiểm tra và vận hành băng chuyền sản phẩm,… Nghiên cứu này thực hiện để đề xuất một phương pháp theo dõi đối tượng với hiệu suất và độ chính xác cao, đồng thời phân tích và đánh giá các kiến trúc của các thuật toán theo dõi và lần vết để thực hiện và lựa chọn mô hình phù hợp cho các ứng dụng khác nhau. Đối tượng nghiên cứu và so sánh bao gồm các phương pháp theo dõi và lần vết không ứng dụng mạng học sâu (thuật toán KCF) và phương pháp có ứng dụng mạng học sâu, cụ thể là mạng học sâu YOLOv5. Từ việc so sánh, đánh giá các phương pháp trên tập dữ liệu OTB-100 với 56748 ảnh huấn luyện và 4430 ảnh nhận dạng với các tiêu chí đánh giá chính là: độ chồng lấp và khoảng cách giữa hai tâm của vị trí dự đoán và ground truth. Kết quả nghiên cứu đã chứng minh được rằng, mạng học sâu YOLOv5 có hiệu suất và độ chính xác so với các thuật toán khác với độ chính xác và độ thành công khi phát hiện đạt được lần lượt là 81.7% và 69.8%.