Please use this identifier to cite or link to this item:
http://earchive.tpu.ru/handle/11683/67026
Title: | Применение методов искусственного интеллекта для разработки алгоритма онлайн трекинга множества объектов в режиме реального времени |
Authors: | Чурсина, Елена Андреевна |
metadata.dc.contributor.advisor: | Друки, Алексей Алексеевич |
Keywords: | детектирование объектов; трекинг объектов; нейронные сети; компьютерное зрение; машинное обучение; object detection; object tracking; neural networks; computer vision; machine learning |
Issue Date: | 2021 |
Citation: | Чурсина Е. А. Применение методов искусственного интеллекта для разработки алгоритма онлайн трекинга множества объектов в режиме реального времени : магистерская диссертация / Е. А. Чурсина ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. А. А. Друки. — Томск, 2021. |
Abstract: | Интеллектуальные системы видеонаблюдения в настоящее время пользуются всё большей популярностью, благодаря способности автоматизировать задачи, которые обычно выполнимы только человеком. К таким задачам относится задача трекинга объектов в видеопотоке.
В работе описывается разработка алгоритма онлайн трекинга множества объектов в режиме реального времени с применением методов искусственного интелекта. Для отслеживания объектов в видеопотоке был разработан нейросетевой алгоритм онлайн трекинга множества объектов на основе подхода трекинга с помощью детекций, получаемых нейросетевым детектором, с применением методов глубокого обучения. Результаты тестирования работы алгоритма показали высокие значения метрик точности и производительности. Intelligent surveillance systems are now gaining popularity due to their ability to automate tasks that are usually only performed by humans. These include the Multiple Object Tracking task. The paper describes the development of an algorithm for Real-time Online Multiple Object Tracking using artificial intelligence methods. The algorithm testing results show high values ??of efficiency and performance metrics. |
URI: | http://earchive.tpu.ru/handle/11683/67026 |
Appears in Collections: | Магистерские диссертации |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TPU1165619.pdf | 2,97 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.