Sistem za optimizacijo in analizo sledilnikov v računalniškem vidu

• Main Author: ZADNIKAR, MAJA
• Other Authors: Kristan, Matej
• Format: Bachelor Thesis
• Language: Slovenian
• Published: 2016
• Subjects: računalniški vid; sledenje; optimizacija; analiza parametrov; computer vision; tracking; optimization; parameters analysis; sami
• Online Access: https://repozitorij.uni-lj.si/IzpisGradiva.php?id=85568; https://repozitorij.uni-lj.si/Dokument.php?id=88686&dn=

Večina sledilnih algoritmov vsebuje številne parametre, s katerimi lahko občutno vplivamo na uspešnost sledenja. Avtorji sledilnikov te največkrat nastavljajo sami, saj formalnega postopka za določitev optimalnih vrednosti parametrov ni. V diplomski nalogi se osredotočimo na razvoj sistema za sistematično analizo parametrov sledilnih algoritmov. Predlagamo iterativni pristop k reševanju naloge optimizacije. S pomočjo preiskovalne metode najstrmejšega vzpona po hribu, v vsaki iteraciji preiskovalni prostor zmanjšamo in se premaknemo v smer najboljše rešitve. Optimizacija temelji na nedavni meri za oceno uspešnosti sledilnikov, ki upošteva reinicializacijo sledilnika in predstavlja pričakovano povprečno prekrivanje regije. Predlagane metode implementiramo z razširitvijo obstoječega sistema za evaluacijo sledilnikov. Predlagamo postopke za vizualizacijo rezultatov, ki nam omogočajo podrobnejšo analizo parametrov in njihovih lastnosti. Predlagamo tudi postopek za ocenjevanje uspešnosti izbrane metode. Razviti sistem in metode nato preizkusimo na primeru analize sledilnega algoritma Mean Shift. Primerjava rezultatov pridobljenih z uporabo predlaganega optimizacijskega pristopa je pokazala, da je uspešnost sledenja možno izboljšati z dobro nastavitvijo parametrov. V primerjavi s parametri, nastavljenimi s strani avtorja, so eksperimentalni rezultati pokazali povprečno izboljšanje ocene sledenja za 5%. A majority of tracking algorithms have a number of parameters that require tuning and often significantly influence tracking performance. Without a formal procedure of finding the best parameter values, the authors usually set them manually by trial and error. In this thesis we focus on development of a system for systematical analysis of trackers parameters. We propose an iterative approach to solving the parameter optimization task. With steepest ascent hill climbing search method, we narrow the search space in each iteration and move in a direction of the best solution. The optimization is based on a recent tracker evaluation measure which considers tracker reinitialization and represents the expected average overlap. We implement the proposed methods by expanding an existing tracking evaluation system. We propose procedures for result visualization, which enable a detailed analysis and insight into parameter properties. We also propose a procedure for determining how successful the optimization method is. As a proof of concept, we test our system and proposed methods on a Mean Shift tracker. By comparing results obtained by our optimization approach, we conclude that we can improve tracker performance by improving the parameter values. Experimental results indicate approximately 5% improvements over original published parameters.