Perpustakaan Digital ITB

Metode state-of the art penjejakan objek berbasis filter korelatif pada kamera PTZ telah umum digunakan untuk meningkatkan akurasi dan kecepatan. Hal ini terutama berguna untuk memperkuat model deteksi objek yang buruk yang merupakan hasil dari ide pembelajaran transfer yang dilatih pada dataset terbatas, sehingga mengurangi akurasi secara drastis. Oleh karena itu, strategi unik yang tidak dibatasi oleh waktu komputasi diperlukan untuk mengatasi keterbatasan yang disebabkan oleh dataset kecil dan fasilitas pelatihan. Dalam berbagai pengaturan pengujian, peningkatan 25% dalam hal kemampuan deteksi (relatif terhadap pendekatan deteksi mandiri) terlihat dengan menggunakan kombinasi dalam bentuk prosedur dua tahap (deteksi dan penjejakan). Bounding box dengan Confidence Score terkait, yang mewakili kemungkinan objek akan dikenali sebagai bagian dari kelas objek target, dihasilkan oleh pemrosesan gambar yang memanfaatkan deteksi objek berbasis kecerdasan buatan. Movement Distance Score digunakan untuk mengkuantifikasi temuan tahap penjejakan filter korelasi. Skor yang analog dengan Confidence Score pada metode deteksi objek ini, dibuat dan diskalakan agar kuantifikasi akurasi temuan antar kedua metode dapat diperhitungkan dengan setara. Fusi dari kedua skor kuantifikasi ini memiliki peran penting dalam membantu platform penjejakan perangkat keras untuk menemukan tindakan yang paling ii efektif. Dengan mengadaptasi fusi skor kuantifikasi ke dalam pengendali PID, RMSE kesalahan penjejakan horizontal dapat dikurangi hingga 50%. Secara kualitatif, kendali adaptif menjadikan penjejakan objek lebih minim chattering dan dapat dengan mudah menjejaki objek yang bergerak tanpa kehilangan jejak bahkan ketika objek tersebut tampak kabur di kamera (karena kecepatannya).