वीडियो ट्रैकिंग

वीडियो ट्रैकिंग एक कैमरे का उपयोग करके समय के साथ मोशन (भौतिकी) ऑब्जेक्ट (या एकाधिक ऑब्जेक्ट) का पता लगाने की प्रक्रिया है। इसके विभिन्न प्रकार के उपयोग हैं, जिनमें से कुछ हैं: मानव-कंप्यूटर संपर्क, सुरक्षा और निगरानी, ​​वीडियो संचार और वीडियो संपीड़न, संवर्धित वास्तविकता, यातायात नियंत्रण, चिकित्सा इमेजिंग और वीडियो संपादन. वीडियो में मौजूद डेटा की मात्रा के कारण वीडियो ट्रैकिंग एक समय लेने वाली प्रक्रिया हो सकती है। ट्रैकिंग के लिए ऑब्जेक्ट पहचान तकनीकों का उपयोग करने की संभावित आवश्यकता जटिलता को और बढ़ा रही है, जो अपने आप में एक चुनौतीपूर्ण समस्या है।

उद्देश्य
वीडियो ट्रैकिंग का उद्देश्य लक्ष्य वस्तुओं को लगातार वीडियो फ्रेम में जोड़ना है। एसोसिएशन विशेष रूप से कठिन हो सकता है जब ऑब्जेक्ट फ्रेम रेट के सापेक्ष तेजी से आगे बढ़ रहे हों। एक और स्थिति जो समस्या की जटिलता को बढ़ाती है वह है जब ट्रैक की गई वस्तु समय के साथ अभिविन्यास बदलती है। इन स्थितियों के लिए वीडियो ट्रैकिंग सिस्टम आमतौर पर एक गति मॉडल का उपयोग करते हैं जो बताता है कि वस्तु की विभिन्न संभावित गतियों के लिए लक्ष्य की छवि कैसे बदल सकती है।

सरल गति मॉडल के उदाहरण हैं:
 * तलीय वस्तुओं को ट्रैक करते समय, गति मॉडल वस्तु की एक छवि (उदाहरण के लिए प्रारंभिक फ्रेम) का 2डी परिवर्तन (एफ़िन परिवर्तन या होमोग्राफी (कंप्यूटर विज़न)) होता है।
 * जब लक्ष्य एक कठोर 3डी वस्तु है, तो गति मॉडल उसकी 3डी स्थिति और अभिविन्यास के आधार पर उसके पहलू को परिभाषित करता है।
 * वीडियो संपीड़न के लिए, मुख्य फ़्रेम को मेक्रोब्लॉक  में विभाजित किया गया है। मोशन मॉडल एक मुख्य फ्रेम का विघटन है, जहां प्रत्येक मैक्रोब्लॉक को गति मापदंडों द्वारा दिए गए मोशन वेक्टर द्वारा अनुवादित किया जाता है।
 * विकृत वस्तुओं की छवि को एक जाल से ढका जा सकता है, वस्तु की गति जाल के नोड्स की स्थिति से परिभाषित होती है।

एल्गोरिदम
वीडियो ट्रैकिंग करने के लिए एक एल्गोरिदम अनुक्रमिक वीडियो फ्रेम का विश्लेषण करता है और फ़्रेम के बीच लक्ष्य की गति को आउटपुट करता है। विभिन्न प्रकार के एल्गोरिदम हैं, जिनमें से प्रत्येक में ताकत और कमजोरियां हैं। किस एल्गोरिदम का उपयोग करना है यह चुनते समय इच्छित उपयोग पर विचार करना महत्वपूर्ण है। विज़ुअल ट्रैकिंग सिस्टम के दो प्रमुख घटक हैं: लक्ष्य प्रतिनिधित्व और स्थानीयकरण, साथ ही फ़िल्टरिंग और डेटा एसोसिएशन।

लक्ष्य प्रतिनिधित्व और स्थानीयकरण अधिकतर नीचे से ऊपर की प्रक्रिया है। ये विधियाँ चलती हुई वस्तु की पहचान करने के लिए विभिन्न प्रकार के उपकरण देती हैं। लक्ष्य वस्तु का सफलतापूर्वक पता लगाना और उसे ट्रैक करना एल्गोरिथम पर निर्भर है। उदाहरण के लिए, ब्लॉब ट्रैकिंग का उपयोग मानव गतिविधि की पहचान करने के लिए उपयोगी है क्योंकि किसी व्यक्ति की प्रोफ़ाइल गतिशील रूप से बदलती रहती है। आमतौर पर इन एल्गोरिदम के लिए कम्प्यूटेशनल जटिलता कम है। निम्नलिखित कुछ सामान्य लक्ष्य प्रतिनिधित्व और स्थानीयकरण एल्गोरिदम हैं:


 * 'कर्नेल-आधारित ट्रैकिंग' ( माध्य-परिवर्तन ट्रैकिंग ): समानता माप (भट्टाचार्य गुणांक) के अधिकतमकरण पर आधारित एक पुनरावृत्तीय स्थानीयकरण प्रक्रिया।
 * कंटूर ट्रैकिंग: ऑब्जेक्ट सीमा का पता लगाना (उदाहरण के लिए सक्रिय कंटूर या संक्षेपण एल्गोरिथ्म)। कंटूर ट्रैकिंग विधियां पिछले फ्रेम से शुरू की गई प्रारंभिक रूपरेखा को वर्तमान फ्रेम में उसकी नई स्थिति में पुनरावृत्त रूप से विकसित करती हैं। समोच्च ट्रैकिंग का यह दृष्टिकोण ग्रेडिएंट डिसेंट का उपयोग करके समोच्च ऊर्जा को कम करके सीधे समोच्च विकसित करता है।

फ़िल्टरिंग और डेटा एसोसिएशन ज्यादातर ऊपर से नीचे की प्रक्रिया है, जिसमें दृश्य या वस्तु के बारे में पूर्व जानकारी शामिल करना, वस्तु की गतिशीलता से निपटना और विभिन्न परिकल्पनाओं का मूल्यांकन करना शामिल है। ये विधियाँ जटिल वस्तुओं को ट्रैक करने के साथ-साथ अधिक जटिल ऑब्जेक्ट इंटरैक्शन की अनुमति देती हैं जैसे बाधाओं के पीछे चलती वस्तुओं को ट्रैक करना। इसके अतिरिक्त जटिलता तब बढ़ जाती है जब वीडियो ट्रैकर (जिसे टीवी ट्रैकर या टारगेट ट्रैकर भी कहा जाता है) को कठोर नींव (तट पर) पर नहीं बल्कि एक चलते जहाज (ऑफ-किनारे) पर लगाया जाता है, जहां आमतौर पर एक जड़त्वीय माप प्रणाली का उपयोग किया जाता है। -कैमरा सिस्टम की आवश्यक गतिशीलता और बैंडविड्थ को कम करने के लिए वीडियो ट्रैकर को स्थिर करें। इन एल्गोरिदम के लिए कम्प्यूटेशनल जटिलता आमतौर पर बहुत अधिक होती है। निम्नलिखित कुछ सामान्य फ़िल्टरिंग एल्गोरिदम हैं:
 * कलमन फ़िल्टर: गॉसियन शोर के अधीन रैखिक कार्यों के लिए एक इष्टतम पुनरावर्ती बायेसियन फ़िल्टर। यह एक एल्गोरिदम है जो समय के साथ देखे गए मापों की एक श्रृंखला का उपयोग करता है, जिसमें शोर (यादृच्छिक भिन्नताएं) और अन्य अशुद्धियां होती हैं, और अज्ञात चर के अनुमान उत्पन्न करता है जो अकेले एकल माप के आधार पर अधिक सटीक होते हैं।
 * कण फ़िल्टर: गैर-रेखीय और गैर-गॉसियन प्रक्रियाओं के अंतर्निहित राज्य-स्थान वितरण का नमूना लेने के लिए उपयोगी।

यह भी देखें

 * मैच चल रहा है
 * गति चित्रांकन
 * गति अनुमान
 * ऑप्टिकल प्रवाह
 * स्विस्ट्रैक
 * एकल कण ट्रैकिंग
 * टेक्नोमो-फर्नांडीज एल्गोरिथम

बाहरी संबंध

 * – Interesting historical example (1980) of Cromemco Cyclops Camera used to track a ball going through a maze.