في التطبيقات AR الحالية، وتتبع 2D AR، مثل الملصقات وبطاقات وغيرها من تتبع وجوه شقة أصبحت واحدة من التكنولوجيا الأساسية، شائعة في مجال التسويق، والتعليم، والألعاب والعروض والمعارض. ومع ذلك، رغم أنه في السنوات الأخيرة لتحقيق 2D AR تتبع خوارزميات تقدما كبيرا، ولكن النتيجة تحت تأثير بعض الظروف الخارجية، والعوامل البيئية، لا يزال هناك مجال كبير للتحسين، وكيفية التعامل مع التغيرات في الإضاءة، والضبابية والتحدي عوامل أخرى، وهي حاليا خوارزميات الأساسية التي وضعتها الشركات AR والبحث والتطوير الأكاديمي التركيز.

جعلت لى فنغ شبكة الأخبار في الآونة الأخيرة، AR الرياح الخفيفة شركة تايوان اختراقات جديدة في 2D AR تتبع جوانب الموظفين R & D في اقترحت قوية تتبع خوارزمية (CCM) القيود على أساس الثقة تحسنت في انسداد جزئي، والتغيرات في الإضاءة والضبابية، الخ قوة تدخل عدة عوامل في هذه القضية، وتحديد أفضل إنجاز في التركيز UCSB TMT واثنين من التقييم الدولي. في الوقت الحاضر، وقد نشرت النتائج في اجتماع على مستوى أعلى في مجال الروبوتات ICRA عام 2018. الحقل ICRA الروبوتات هي واحدة من اجتماعات القمة الثلاثة (الاثنان الآخران IROS وRSS)، وكثير من الأعمال الكلاسيكية (مثل ESM تتبع خوارزمية) تتبع AR قد نشرت في ICRA وIROS.

مثال CCM النتائج الخوارزمية في انسداد جزئي، الضبابية والإضاءة تغير الظروف (يظهر فقط في منطقة موسعة حول الهدف للعرض)

ومن المعلوم أن اثنين من محطة الرياح الخفيفة لا يزال هناك الكثير من العمل في الخوارزمية الأمثل ل2D AR، أصدر AR خوارزمية تتبع على أساس الاتجاه التدرج للتغيرات الإضاءة في ICRA 2017، اقترح نفس العام بناء على الرسم البياني تتبع مطابقة يستخدم الرقم خوارزمية الهياكل الداخلية للتعامل مع جمعية المكانية من الكائن الهدف، من أجل تحقيق تتبع دقيق في تدخل الطائرة كائن قوي، كان عمل دولي كبير في الاستخبارات مجلة اصطناعية "PAMI" (IEEE تحليل نمط والاستخبارات آلة IEEE المعاملات) التعاقد. النتائج البحثية الأخرى في أعلى المجلات تلبية CVPR، ICCV، ECCV، ICRA، ISMAR، PAMI وغيرها AI، CV، AR المجالات ذات الصلة يتعلق صورة نشرت على الاعتراف الدلالي، تحليل صورة الوجه والتعرف على الإيماءات، سيناريو AR النمذجة وضعه، فائقة مباراة FIG، الجانب المرئي كبير وما شابه ذلك.

خوارزمية تتبع قوي (CCM) القيود بناء على الثقة

تتبع الطائرة وجوه، على سبيل المثال 2D علامة، وعادة خطوة هامة في المشهد وتسجيل كاميرا الموقع. في العقود القليلة الماضية، العديد من الدراسات المكرسة لمشكلة تتبع البصرية، وسيلة شعبية لتتبع الطائرة يمكن أن تنقسم إلى الأساليب على أساس النقاط الرئيسية والنهج القائم على القالب. قالب باستخدام الطريقة المباشرة على أساس مظهر بكسل دون استخراج الميزات تعتمد على طريقة نيوتن أو البديل منه لتحسين القبض على مقياس قالب التشابه بين الطائرة الصورة لتحديد موقف.

وخلافا للطريقة تستند قالب تتبع التقليدية، CCM (مقيدة الثقة مطابقة) عوامل التكيف المختلفة تعيين لكل بكسل من الضوضاء القياس، وليس نفس المعالجة لكل بكسل من القالب في حساب المعلمات الحركة. على هذا الأساس، من أجل تعزيز الإضاءة التغييرات والحركة الثقيلة طمس قوية وخفيفة الباحثين محطة الرياح اقترح أيضا كالمان مرشح قوي، والذي يستخدم نموذج جديد لإدخال تحكم عملية تغيير في مظهر الكائن .

نظرا موقف الهدف أو الصورة الأولية، طريقة جديدة (أي CCM) لمتابعة الموقف من الموقع لتحديد المواقع المستهدفة من الفيديو تلقائيا.

الخطوة الأولى: استخراج المنطقة المستهدفة من إطار الفيديو الأول كنموذج T.

الخطوة الثانية: يقرأ إطار الصورة القادمة من الفيديو؛

الخطوة الثالثة: تتبع ومطابقة الهدف صورة و.

الخطوة الرابعة: تحديث نموذج التتبع بناء على نتائج الخطوة الثالثة من T.

الخطوة الخامسة: معالجة يقفز إلى خطوتين للصورة إطار القادمة.

نتائج الاختبار

من أجل تقييم دقيق، تم اختبار CCM الخوارزمية على اثنين من مجموعة البيانات المشتركة: اقترح UCSB المعايير المقترحة من قبل جامعة كاليفورنيا ومستوى جامعة ألبرتا عملية تتبع المهمة (TMT). يتضمن مجموعة البيانات UCSB دفق الفيديو 96، الطائرة العرض الهدف ست مواد مختلفة، ما مجموعه 6889، وجود التشويه الهندسي (عموم، والتكبير، والميل، والتناوب)، ومستوى الضبابية تسعة ظروف الإضاءة المختلفة، كل الإطارات تتأثر الضوضاء بدرجات متفاوتة. تسلسل TMT مجموعات البيانات صورة عن طريق المهام التشغيل الجهاز البشرية وتسجيل التكوين، الذي يضم 109 صورة متواليات، أي ما مجموعه 70592.

المقابلة لكل فئة الفيديو متوسط دقة تتبع تتلخص في الجدول الأول (فرع سانتا باربرا) والثاني (TMT) على النحو التالي:

وكما يتبين من النتائج التجريبية، CCM الخوارزمية المقترحة يتفوق بشكل كبير عن خط الأساس في مجموعتين من البيانات. في الواقع، الفيديو CCM في جميع الفئات تقريبا اكتسبت الأفضل أو نحو أفضل أداء تتبع، أفضل بكثير من خوارزمية تتبع التيار القائمة على أساس النقاط الرئيسية مثل تتبع (القائم أو Keypoint تعقب)، وتتبع نموذج قائم (نموذج قائم على تعقب) واحتمال تتبع (تعقب احتمالي)، وأنه من أجل التغيير المتطرف موقف واضطرابات بيئية حادة تظهر متانة عالية.

خوارزمية CCM مقارنة مع خوارزميات أخرى، بعض الأمثلة النموذجية لأنواع مختلفة من التغيرات الداخلية والخارجية في ما يلي، صورة تضم نمط تكرار الميل، شديد الديناميكية الإضاءة الاختلاف الناجم الصورة غروب الشمس، والملمس ضعيف جدا، وجود انسداد جزئي، حركة غامضة، لا يمكن اكتشافها نقطة مفتاح موثوقة في هذه الحالة.

دراسات AR لا تزال بحاجة إلى مواصلة الجهود

وبالرغم من أن جهاز الكمبيوتر للتعرف على وجوه شقة "التقليدية" قادرة على تحقيق سرعة عالية، والدقة، والاستقرار، ولكن من الواضح لا يكفي، إن الباحثين يريدون الكمبيوتر ليكون باسم "محاكاة" الآثار الناس البصرية، في ظل ظروف معينة، حتى في أكثر من العين البشرية، لذلك، عندما للمستخدمين العاديين، من أجل حماية بعد تجربة المستخدم جودة الهندسة الخوارزمية، كما هو الحال في تتبع الكائن مستو التقليدية، عرضة للحركة السريعة فقدت أو ظواهر الانحراف، انعكس في تجربة المستخدم، نافذة السيارة لوحة هي سهلة لا تعترف، تلعب لعبة AR في عملية التنقل الأثاث وجدت على الأرض سوف "تعويم" حتى وهلم جرا.

هذا التحسين المستمر لأعضاء هيئة التدريس والموظفين R & D يحتاج الخوارزميات ذات الصلة، وطريقة جديدة، بحيث يمكن أن تستمر في رفع مستوى البيئة الأجهزة جنبا إلى جنب مع وجود درجة عالية من الموجهة نحو السوق. ل2D AR AR حتى هذه الصناعة برمتها الحالية، الموظفين بحاجة تطبيقات سوق التكنولوجيا الحالية، ولكن أيضا في حاجة إلى الكثير من المبدعون الحقيقيون دفع حدود التكنولوجيا الأساسية، والسماح AR تنضج.