تشخیص و ردیابی افراد در سیستم‌ های نظارت تصویری مبتنی بر YOLO و DeepSORT

تشخیص و ردیابی افراد در سیستم‌ های نظارت تصویری مبتنی بر YOLO و DeepSORT

مصطفی عبدالهیان دهکردی1 علیرضا جعفری2

1) گروه مهندسی برق و کامپیوتر ، دانشگاه ملی مهارت ، تهران ، ایران -
2) دانشجو کارشناسی مهندسی کامپیوتر ، دانشگاه ملی مهارت -

کد IOI مقاله : AAHD-ABHKBH
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    تشخیص دقیق افراد و حفظ هویت آن‌ها در صحنه‌های شلوغ، یکی از نیازهای اصلی سامانه‌های نظارت تصویری بلادرنگ است. در این مقاله، چارچوبی یکپارچه بر پایه YOLOv8 و DeepSORT بهینه‌شده ارائه می‌شود. نوآوری پژوهش صرفاً به ترکیب این دو الگوریتم محدود نیست؛ بلکه تنظیم هم‌زمان پارامترهای فیلتر کالمن، سازگارکردن کوواریانس نویز با چگالی صحنه و اصلاح راهبرد تطابق آبشاری را دربرمی‌گیرد. برای آنکه سهم اطلاعات ظاهری در فرایند تطابق حفظ شود، وزن ترکیب فاصله ماهالانوبیس و فاصله کسینوسی برابر λ=0.3 در نظر گرفته شد. ارزیابی‌ها روی MOT17، داده‌های COCO و ۱۲٬۰۰۰ فریم واقعی از شش سناریوی روز، شب، تراکم کم و زیاد و انسداد جزئی و کامل انجام گرفت. مدل تشخیص به Accuracy برابر ۹۷٫۶۲٪، Precision برابر ۹۷٫۵۳٪، Recall برابر ۹۹٫۹۴٪ و F1 برابر ۹۸٫۷۲٪ دست یافت و نرخ پردازش ۵۸ فریم‌برثانیه را حفظ کرد. در بخش ردیابی نیز MOTA برابر ۶۶٫۵٪، IDF1 برابر ۶۹٪ و HOTA برابر ۵۴٫۶٪ به دست آمد. نتایج پنج اجرای مستقل و فاصله اطمینان ۹۵٪، پایداری عملکرد را تأیید کرد. برای جلوگیری از مقایسه‌های گمراه‌کننده، نتایج SORT، ByteTrack و OC-SORT با ذکر پروتکل ارزیابی تحلیل شدند. یافته‌ها نشان می‌دهد چارچوب پیشنهادی برای کاربردهای نظارتی بلادرنگ مناسب است، هرچند انسداد کامل و روشنایی بسیار کم همچنان دو عامل اصلی افت عملکرد به شمار می‌روند.

کلمات کلیدی : نظارت تصویری تشخیص افراد ردیابی چندهدفه yolov8 deepsort hota