वीडियो ट्रैकिंग

वीडियो ट्रैकिंग कैमरे का उपयोग करके समय के साथ चलती हुई वस्तु (या कई वस्तुओं) को ज्ञात करने की प्रक्रिया है। इसके विभिन्न प्रकार के उपयोग हैं, जिनमें से कुछ हैं: मानव-कंप्यूटर संपर्क, सुरक्षा और निरीक्षण, ​​वीडियो संचार और संपीड़न, संवर्धित वास्तविकता, यातायात नियंत्रण, चिकित्सा इमेजिंग और वीडियो संपादन है। वीडियो में उपस्तिथ डेटा की मात्रा के कारण वीडियो ट्रैकिंग समय लेने वाली प्रक्रिया हो सकती है। ट्रैकिंग के लिए ऑब्जेक्ट पहचान तकनीकों का उपयोग करने की संभावित आवश्यकता समिष्ट को और बढ़ा रही है, जो स्वयं में उद्देशपूर्ण समस्या है।

उद्देश्य
वीडियो ट्रैकिंग का उद्देश्य लक्ष्य वस्तुओं को निरंतर वीडियो फ्रेम में जोड़ना है। एसोसिएशन विशेष रूप से कठिन हो सकता है जब ऑब्जेक्ट फ्रेम रेट के सापेक्ष तीव्रता से आगे बढ़ रहे हों। और स्थिति जो समस्या की समिष्टता को बढ़ाती है वह है जब ट्रैक की गई वस्तु समय के साथ अभिविन्यास परिवर्तित होती है। इन स्थितियों के लिए वीडियो ट्रैकिंग प्रणाली सामान्यतः गति मॉडल का उपयोग करते हैं जो बताता है कि वस्तु की विभिन्न संभावित गतियों के लिए लक्ष्य की छवि कैसे परिवर्तित कर सकती है।

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

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

लक्ष्य प्रतिनिधित्व और स्थानीयकरण प्रायः नीचे से ऊपर की प्रक्रिया है। ये विधियाँ चलती हुई वस्तु की पहचान करने के लिए विभिन्न प्रकार के उपकरण प्रदान करती हैं। लक्ष्य वस्तु का सफलतापूर्वक ज्ञात करना 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 परिवर्तित होती रहती है। सामान्यतः इन एल्गोरिदम के लिए कम्प्यूटेशनल समिष्टता 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 पुनरावृत्तीय स्थानीयकरण प्रक्रिया है।
 * कंटूर ट्रैकिंग: ऑब्जेक्ट सीमा को ज्ञात करना (उदाहरण के लिए सक्रिय कंटूर या संक्षेपण एल्गोरिथ्म)। कंटूर ट्रैकिंग विधियां पूर्व फ्रेम से प्रारंभ 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 अत्यन्त ऊपर से नीचे की प्रक्रिया है, जिसमें दृश्य या वस्तु के बारे में पूर्व जानकारी सम्मिलित करना, वस्तु की गतिशीलता से निवारण करना और विभिन्न परिकल्पनाओं का मूल्यांकन करना सम्मिलित है। ये विधियाँ समिष्ट वस्तुओं को ट्रैक करने के साथ-साथ अधिक समिष्ट ऑब्जेक्ट इंटरैक्शन की अनुमति देती हैं जैसे बाधाओं के पीछे चलती वस्तुओं को ट्रैक करना। इसके अतिरिक्त समिष्टता तब बढ़ जाती है जब वीडियो ट्रैकर (जिसे टीवी ट्रैकर या टारगेट ट्रैकर भी कहा जाता है) को कठोर आधार (तट पर) पर नहीं अन्यथा चलते जहाज (ऑफ-किनारे) पर लगाया जाता है, जहां सामान्यतः जड़त्वीय माप प्रणाली का उपयोग किया जाता है। कैमरा प्रणाली की आवश्यक गतिशीलता और बैंड की चौड़ाई को कम करने के लिए वीडियो ट्रैकर को स्थिर करते है। इन एल्गोरिदम के लिए कम्प्यूटेशनल समिष्टता सामान्यतः  अधिक होती है। निम्नलिखित कुछ सामान्य फ़िल्टरिंग एल्गोरिदम हैं:
 * कलमन फ़िल्टर: गॉसियन शोर के अधीन रैखिक कार्यों के लिए इष्टतम पुनरावर्ती बायेसियन फ़िल्टर है। यह एल्गोरिदम है जो समय के साथ देखे गए मापों की श्रृंखला का उपयोग करता है, जिसमें शोर (यादृच्छिक भिन्नताएं) और अन्य अशुद्धियां होती हैं, और अज्ञात चर के अनुमान उत्पन्न करता है जो एकमात्र माप के आधार पर अधिक त्रुटिहीन होते हैं।
 * कण फ़िल्टर: गैर-रेखीय और गैर-गॉसियन प्रक्रियाओं के अंतर्निहित स्थान वितरण का प्रारूप लेने के लिए उपयोगी है।

यह भी देखें

 * मैच मूविंग
 * 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.