Objektu izsekošana video ierakstā un pozīciju straumēšana klientu videi

Abstract

Objektu atpazīšana un izsekošana ir nozīmīgs datorredzes uzdevums. Video objektu izsekošana un rezultātu vizualizēšana ir iespējama arī uz vājākām ierīcēm, taču tā var būt lēna un saraustīta. Viens no šī darba uzdevumiem ir izstrādāt risinājumu, kas apstrādā video uz atsevišķa servera, un iegūtos rezultātus straumē klientu videi, kas rāda nesaraustītu video kopā ar objektu vizualizācijām. Šajā darbā tiek aprakstīti un salīdzināti tādi populāri objektu izsekošanas algoritmi kā SORT, DeepSORT un ByteTrack. Ir apskatīts objektu noteikšanas modelis YOLOv8, un izvērtēta tā darbība. Maģistra darba ietvaros ir izstrādātas programmas, kas nosaka un izseko objektus video ierakstā, veic tā straumēšanu kopā ar atpazītajiem objektiem, un klientu vide, kas veic iegūto rezultātu vizualizāciju. Programmu darbība un veiktspēja ir novērtēta analizējot dažādus video.

Object detection and tracking is an important computer vision task. Object detection and tracking in video with visualization is also possible on weaker devices, although it can be slow and stuttery. One of the tasks of this thesis is to develop a solution, which processes the video on a separate server, stream the results to the client environment, which smoothly plays video together with object visualizations. In this thesis such object tracking algorithms as SORT, DeepSORT and ByteTrack are described and compared between themselves. The YOLOv8 object detection model is used and results of it are analyzed. During this master's thesis the author has developed a program for object detection and tracking in video, a program for video streaming together with detected objects, and a client environment which is responsible for visualization of results. Performance of developed programs is tested with different videos.