動画における効率的な物体追跡のための修正YOLOモジュール

提案された研究では、最初にYOLOアルゴリズムを使用してフレーム内の物体を抽出および分類します。フレームのシーケンス内では、さまざまな理由により、自信の測定値が突然低下することがあります。これにより、連続するフレーム内での物体のクラスが変わり、物体の追跡およびカウントプロセスに深刻な影響を与えます。このYOLOアルゴリズムの制限を克服するために、シーケンス内の同じ物体を効率的に追跡できるように修正されます。これにより、物体の追跡およびカウントの精度が向上します。提案された研究では、連続するフレーム内での物体の自信スコアの急激な変化とクラスの変更が、特定の物体の信頼性をフレームのシーケンス全体で追跡することによって特定されます。これらの外れ値はRANSACアルゴリズムを使用して検出され、除去されます。外れ値を除去した後、新しい自信スコアを得るために補間が適用されます。提案された方法を適用することにより、フレーム全体にわたる滑らかな自信測定の変動が得られます。これを使用して、平均カウント精度は66％から87％に増加し、さまざまな標準データセットに対して全体の平均物体分類精度は94％〜96％の範囲になります。