Echtzeit-Objektverfolgung anhand von Videosequenzen

Abstract

Durch Objekterkennung können die Positionen und Klassen von Objekten identifiziert werden. Für diese Arbeit wurde mithilfe eines YOLO Netzwerkes ein Modell mit Bildern ausgewählter Objektklassen trainiert, welches anschießend für eine Objekterkennung dieser Objektklassen genutzt werden konnte. Die Informationen der Objekterkennung konnten im Anschluss mit dem DeepSORT Algorithmus verarbeitet werden, sodass eine Verfolgung von Objekten dieser Klassen durchgeführt werden konnte. Durch Anpassungen der verwendeten COCO und Open Images Datensätze konnte festgestellt werden, was für einen Einfluss diese auf die Objekterkennung und Objektverfolgung haben. Außerdem wurde durch eine Perfomanceanalyse festgestellt, wie leistungsfähig ein YOLO Modell und ein Tiny-YOLO Modell auf verschiedenen Geräten für eine Objekterkennung und Objektverfolgung genutzt werden kann. Durch Experimente konnte festgestellt werden, dass zufriedenstellende Objekterkennungen und Objektverfolgungen durchgeführt werden können.

Object detection can be used to identify the positions and classes of objects. For this purpose a YOLO network was used to train a model with images of selected object classes which can be used for object detection of these object classes. The information from the object detection can be processed afterwards using the DeepSORT algorithm so that a tracking of objects of these classes can be performed. In addition a performance analysis was performed to evaluate how effective a YOLO model and a Tiny-YOLO model can be used on different devices for object detection and object tracking. Through experiments it was concluded that satisfying object detections and object trackings can be performed.