Seguimiento de objetos adaptativo basado en características y escala con filtros de correlación para dispositivos...

Área de la Ciencia:

• Visión por computadora
• Comunicaciones inalámbricas
• Internet de las cosas (IoT)

Sus antecedentes:

• La tecnología inalámbrica de sexta generación (6G) permite un rápido desarrollo de Internet de las Cosas (IoT), pero los dispositivos con recursos limitados luchan con el seguimiento visual de objetos en grandes conjuntos de datos de video.
• Los rastreadores basados en el Filtro de Correlación Discriminativa (DCF) ofrecen un bajo costo computacional y robustez, sin embargo, los métodos actuales que utilizan características fijas e intervalos de escala densos no son óptimos.

Objetivo del estudio:

• Desarrollar un método adaptativo de mapeo de características e intervalos de escala basado en DCF para mejorar el seguimiento visual de objetos para dispositivos IoT con recursos limitados.
• Para abordar la suboptimalidad de las dimensiones de las características fijas y los intervalos de escala densa en los rastreadores DCF existentes.

Principales métodos:

• Propuso una respuesta adaptativa de características mapeadas utilizando reducción de dimensionalidad y mapas de puntuación de histogramas para integrar múltiples características.
• Se introdujo un método de estimación de escala temporal adaptativa con intervalos escasos para mejorar la eficiencia del seguimiento.
• Integró estos métodos en un marco basado en DCF para un mejor seguimiento visual de objetos.

Principales resultados:

• El rastreador DCF adaptativo propuesto demostró un rendimiento superior en conjuntos de datos de referencia (DTB70, UAV112, UAV123@10fps, UAVDT).
• Logró una velocidad de ejecución de 41.3 FPS en una CPU de bajo costo, superando a los rastreadores de última generación.
• Maneja de manera efectiva grandes datos de video de IoT en dispositivos con recursos computacionales limitados.

Conclusiones:

• El método DCF adaptativo de características mapeadas y intervalo de escala mejora significativamente la eficiencia y eficacia del seguimiento visual de objetos.
• Este enfoque es adecuado para aplicaciones en tiempo real en dispositivos con recursos limitados dentro de los ecosistemas de IoT habilitados para 6G.
• Ofrece una solución práctica para los desafíos de seguimiento de objetos visuales en redes de sensores multimedia inalámbricos.