رد یابی تصاویر -- Object Tracking

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام ..................

Optical Flow یه متدیه که خیلی توی Tracking بهش بها میدن .. جواباش هم خیلی خوبه .. بالا هم توضیحات مقدماتیش رو دادم امــا اگه میخواید توی این زمینه کار کنید بهتره که دوتا Paper رو حتما بخونید .. کارای آقای Meyer توی این زمینه خیلی معروفه .. دو تا Paper ای هم که میگم از کارهای ایشونه .. امیدوارم بتونید از اونها استفاده کنید .. موفق باشید ..

D. Meyer, J. Denzler, and H. Niemann, “Model based extraction of articulated
objects in image sequences for gait analysis,” in Proc. IEEE
Int. Conf. Image Processing, 1998, pp. 78–81

D. Meyer, J. Psl, and H. Niemann, “Gait classification with HMM’s for
trajectories of body parts extracted by mixture densities,” in Proc. British
Machine Vision Conf., 1998, pp. 459–468

[baba]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام از راهنمای ها تون ممنون
من برای کار خودم الگوریتم همبستگی رو انتخاب کردم . همانطوری که گفتم این روش دارای یک سری معایبی است ولی با یک سری تکنیک ها می شه این معایب رو از بین برد و تقریبا جواب خوبی از کار گرفت
الان من شروع به کار تو مطلب کردم ولی یک سری مشکلات دارم
من الان تونستم خیلی ساده تصویر رو از یک وب کم (با نرخ 30 فریم در ثانیه) تو سیمولینک بخونم و یک ترکینگ ساده با الگوریتم همبستگی انجام بدم (البته یک مثال مشابه در هلپ خود مطلب وجود داره که میشه از اون استفاده کرد : Tracking an Object Using Correlation)
من همچنین تو یک M فایل هم فریم های وب کم رو خوندم و نمایش دادم (البته به کمک یک مثال که توی همین سایت بود)
ولی چند سوال و مشکل وجود داره:
1- وقتی که من تصویر رو فریم به فریم میخونم و فقط می خوام اون رو با یک تابع خود مطلب سیاه سفید کنم مسله زمان حقیقی به مشکل برخورد میکنه و نمیتونه تصویر رو نشون بده
2- اگه من بخوام به صورت زمان حقیقی فریم های تصویر رو بگیرم و رو اونها پردازش کنم و نشون بدم چکار می تونم بکنم (من باید اون رو سیاه سفید کنم بعد یک سری پردازش ها برای کار ترکینگ انجام بدم این کار باعث خارج شدن برنامه از زمان حقیقی بودن میشه)
3- میشه تو سیمولینک یک m فایل رو استفاده کرد یعنی برای گرفتن تصویر و سیاه سفید کردن از سیمولینک استفاده کرد و بعد یک M فایل بنویسی و اون رو به صورت یک Function Block دراورد و بعد تو سیمولینک استفاده کرد بعد ارتباط این فایل نوشته شده با توابع خود سیمولینک چطوری میشه

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام ..................

من نمیدونم منظورتون از الگوریتم همبستگی چیه؟ (معادل لاتینش چی میشه؟ ) امــا در مورد سوالاتی که کردید .. نمیدونم این مشکل چرا به وجود میاد؛ قاعدتا نباید توی نوشتن کد اینجور مشکلی تولید بشه .. اگه امکان داره دستورات اون قسمت رو بذارید ببینیم چی شده .. موفق باشید ..

[baba]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام از کمک هاتون ممنونم
منظورم همون کورلیشن است.من برنام خودم رو اینجا می ذارم . توی این برنامه من فقط فریم به فریم تصویر رو از وب کم می خونم و گری اسکیل می کنم و نشون می دم. ولی همین برنامه Real Time اجرا نمیشه. مشکل از کجاست از روند خوندن فریم ها و یا اینکه نشون دادن هر فریم به دنبال هم در حلقه مشکل ایجاد می کنه . البته من با دستو tic ....... toc زمان گری اسکیل رو گرفتم و بیشتر از 60 میلی ثانیه بود.
برنام من:
vid = videoinput('winvideo', ID, 'RGB24_320x240'

% Set video input object properties for this application.
% Note that example uses both SET method and dot notation method.
set(vid,'TriggerRepeat',Inf);
vid.FrameGrabInterval = 1;

% Create a figure window.
figure;

% Start acquiring frames.
start(vid);

while(vid.FramesAcquired<=200) % Stop after 200 frames

data = getdata(vid,1);

gmap = rgb2gray(data);

imshow(gmap);
end

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام ....................

برنامه ی زیر رو تست کنید ببینید نتیجه چی میشه .. این برنامه ی قسمتی از یه رباته که قراره تصاویر رو بگیره و بعد ببره به مد آنالیز .. موفق باشید ..

vid = videoinput('winvideo' , 1, 'RGB24_160x120');
preview(vid);
set(vid.source, 'Brightness',40);
for i=1:25
I = getsnapshot(vid);
I = rgb2ind(I,colorcube(300));
PSF = fspecial( 'gaussian',3,3);
I = imfilter(I,PSF,'symmetric' ,'conv');
BWs = edge(I, 'sobel', (graythresh(I) * .1));
se90 = strel('line',3,90);
se0 = strel('line',3,0);
BWsdil = imdilate(BWs, [se90 se0]);
w = imfill(BWsdil, 'holes');
w = ~w;
imshow(w);

[b_65864]

پاسخ : رد یابی تصاویر -- Object Tracking

با سلام .
آقای حسام الدین، بسیار ممنون از مطالب بسیار مفیدی که در زمینه ردیابی( و البته خیلی موضوعات دیگه) تو سایت گذاشتید، راستش موضوع پروژه من هم ردیابیه اما از یک منظر دیگه. در واقع من باید روشهای "کنترلی" ردیابی رو پیدا کنم. تو سایتها و مقالات مختلف تماما الگوریتمهای ردیابی بررسی شده اند و خوب هیچ روش کنترلی بحث نشده( مثلا کنترل لغزشی) کار من با یک دوربین pan/tilt خواهد بود ( البته هنوز دوربین و دیتاشیت اونو ندیدم)، اما مشکل من : اصلا موضوعی با نام کنترل ردیابی با دوربین وجود داره؟! اصلا نیازی به یک کنترل کننده هست؟ اگر روی این زمینه کار شده شما می دونید چه کسانی هستند؟ چرا هیچ مقاله ای تو این زمینه پیدا نمیشه؟
بازم ممنون

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

با سلام .
آقای حسام الدین، بسیار ممنون از مطالب بسیار مفیدی که در زمینه ردیابی( و البته خیلی موضوعات دیگه) تو سایت گذاشتید، راستش موضوع پروژه من هم ردیابیه اما از یک منظر دیگه. در واقع من باید روشهای "کنترلی" ردیابی رو پیدا کنم. تو سایتها و مقالات مختلف تماما الگوریتمهای ردیابی بررسی شده اند و خوب هیچ روش کنترلی بحث نشده( مثلا کنترل لغزشی) کار من با یک دوربین pan/tilt خواهد بود ( البته هنوز دوربین و دیتاشیت اونو ندیدم)، اما مشکل من : اصلا موضوعی با نام کنترل ردیابی با دوربین وجود داره؟! اصلا نیازی به یک کنترل کننده هست؟ اگر روی این زمینه کار شده شما می دونید چه کسانی هستند؟ چرا هیچ مقاله ای تو این زمینه پیدا نمیشه؟
بازم ممنون

سلام .......................

نمیدونم منظورتون از کنترل ردیابی با دوربین چیه؟ بذارید من یه چیزی توی ذهنمه اونو بگم ببینید درست فهمیدم یا نه .. برای کار با دوربین در موارد Tracking خب یه سری محدودیت ها وجود داره که کار با دوربین رو برای حرفه ی Real Time یه کم حساس میکنه .. برای برطرف کردن این حساسیت ها میان یه سری فاکتور کنترلی به کار اضافه میکنن تا بتونن مثل یه سیستم فیدبک دار؛ کاستی ها رو جبران کنن و در اصطلاح کارشون رو Optimum کنن .. حالا یه سری از این کارا کجا انجام میشه؟ مثلا بیاید فضای ذهنموم رو ببریم به حوزه ی استودیوی مجازی جاییکه یه اخبارگو یا گوینده قراره در فضایی قرار بگیره که در واقعیت نمیتونه توی اون محیط باشه .. یا یه بازیگری که روبروی یه پرده ی آبی یا سیاه نقشی رو بازی میکنه که قراره در یه محیط کاملا مجازی استفاده بشه .. تئوری چی میگه؟ تئوری میگه اگه قراره بازیگر در فضای واقعی قرار بگیره یا امکان پذیر نیست؛ یا ریسک بالایی داره و یا اینکه هزینه ی بالایی باید پرداخت بشه .. در عمل چه اتفاقی میوفته؟ میان حرکات فرد رو با تکنیک های فیلمبرداری و تصویر برداری کاملا مجازی منطبق میکنن در فضای فیلمبرداری شده ی از قبل محیا شده و نوع فیلمبرداری؛ چرخش ها؛ دوری و نزدیکی ها؛ Zoom in وZoom Out ها؛ تنظیم کنتراست ها و خیلی مسائل دیگه رو مدل سازی میکنن با شرایط صحنه .. حالا وقتی شما نمای میکس شده ی این اتفاق رو میبینید؛ دقیقا متوجه میشید که حرکات بازیگر یا گوینده کاملا نشسته روی صحنه و هیچ تفاوتی نیست بین فضای مجازی صحنه و حقیقت رفتاری بازیگر ..

حالا این سوال رو دوباره میپرسیم: چی شد؟ و این بار اینطور بهش جواب میدیم که با اعمال یه سری تکنیک ها و روش های کنترلی حلقه باز و بعضا فیدبک دار، موفق شدیم تلفیق فضای مجازی رو با دنیای حقیقی ممکن کنیم و برای کارمون این استدلال رو آوردیم که انتقال درک شهودی قابل انطباق با صحنه برای دوربین؛ قدرتی رو به ما داد که بتونیم از موقعیت های مختلف بازیگر و یا گوینده استفاده کنیم و اونهارو با ویژگی هایی که صحنه از ما میخواد؛ از طریق دوربین فضا سازی کنیم .. برای این کار دو تا روش خیلی کلی وجود داره که توی دنیا ازش استفاده میشه .. یکی روش اسرائیلی هاست که اصلا Generalize نشده و هیچ نسخه ی باز شده ای ازش وجود نداره و طبیعتا کارشون رو انحصاری کرده و دومیش هم کار گروه BBC هست .. کار اونا Global شده و نسخه های جسته گریخته ای ازش توی دنیا منتشر شده .. چندتا مقاله ی خوب هم توی این زمینه وجود داره .. حالا توی روش BBC کار چطوریه؟ برای انتقال حرکات و اتفاقات کنترلی از یک سری Word Label هایی استفاده میکنن که به صورت دایره به سقف تعبیه شدن .. اینا از چند دسته رنگ تشکیل شدن که میتونن بر حسب ویژگی هایی که دارن و البته رنگ هایی که دارن موقعیت های خاص نسبی رو برای دوربین و نسبت به بازیگر یا گوینده ممکن کنن .. حالا اونجا یه سری کارایی انجام میشه که این روابط فرمولیزه میشه و ریاضی وار تغییرات و موقعیت ها رو توجیه میکنن .. فکر کنم منظور من رو از سلسله کارای کنترلی متوجه شدید .. حالا شما بگید .. آیا اینی که شما گفتید همونه یا خــیر .. من گوش میدم .. موفق باشید ..

[b_65864]

پاسخ : رد یابی تصاویر -- Object Tracking

با سلام و تشکر
راستش موضوع سمینار من " بررسی روشهای کنترلی سیستمهای ردیاب " هست، نمونه مقاله ای که منظور استادمه تو ردیابی خورشیدی این لینکه : http://rapidshare.com/files/276685753/Application_of_new_control_strategy_for_sun_tracki ng.pdf.html
تو صفحه سوم این مقاله که بلوک دیاگرام کنترلی این روش هست شما یک کنترل کننده می بینید که برای کنترل موتورهای ردیاب خورشیدی به کار رفته ،خوب تو بررسی ردیابی با دوربین هم یه همچین چیزی از من خواسته شده ، یعنی من باید بگردم مقالاتی که توش کار کنترلی(البته از این نظر) شده پیدا کنم. یعنی یک کنترل کننده که موتورهای یه دوربین pan/tilt رو کنترل میکنه، یعنی یک کنترل ساده موتور ؟ پس تکلیف تخمین حالت بعدی چی میشه ؟ اون کجا لحاظ میشه ؟ الگوریتمهای پردازش تصویر کجای کار استفاده میشن ؟من یه چیزی رو جا انداختم؟ چیزی رو درست نفهمیدم؟
ممنون

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

با سلام و تشکر
راستش موضوع سمینار من " بررسی روشهای کنترلی سیستمهای ردیاب " هست، نمونه مقاله ای که منظور استادمه تو ردیابی خورشیدی این لینکه : http://rapidshare.com/files/276685753/Application_of_new_control_strategy_for_sun_tracki ng.pdf.html
تو صفحه سوم این مقاله که بلوک دیاگرام کنترلی این روش هست شما یک کنترل کننده می بینید که برای کنترل موتورهای ردیاب خورشیدی به کار رفته ،خوب تو بررسی ردیابی با دوربین هم یه همچین چیزی از من خواسته شده ، یعنی من باید بگردم مقالاتی که توش کار کنترلی(البته از این نظر) شده پیدا کنم. یعنی یک کنترل کننده که موتورهای یه دوربین pan/tilt رو کنترل میکنه، یعنی یک کنترل ساده موتور ؟ پس تکلیف تخمین حالت بعدی چی میشه ؟ اون کجا لحاظ میشه ؟ الگوریتمهای پردازش تصویر کجای کار استفاده میشن ؟من یه چیزی رو جا انداختم؟ چیزی رو درست نفهمیدم؟
ممنون

سلام ......................

ببینید تخمین حالت بعدی که با دوربین نیست .. اون وظیفه ی الگوریتمه که بگه مثلا اگه داریم Part_Based کار میکنیم؛ Part عنصر لیبل X باید توی فریم بعد مثلا یه Rotation داشته باشه یا مثال های زیاد دیگه .. دوربین فقط فریم میگیره میده به الگوریتم .. حالا اینجا کنترل یعنی چی؛ ....! اون مثالی که در بالا زدید (واسه سنسور و شارژر و اینا) خیلی با این کار فرق میکنه .. اونجا ما چیکار میکنیم؟ میایم مقاومت متغییر یه فوتوسل رو که همون سنسور ماست، حساب میکنیم و بر حسب یه مثلا Look Up table ای این تفاوت هارو میگیریم با زاویه ی چرخش یه سروو مدل میکنیم .. اینطوری Cell ما میچرخه و در مسیر حداکثر شدت نور قرار میگیره .. امــا اینجا قضیه فرق میکنه .. من الا دقیق نمیدونم اگه اون کار بالایی که گفتم نباشه؛ پس معنی کنترل چیه؟ اینو یه کم نمیشه دقیقتر از استادتون بپرسید؟! ما کار رباتیک هم میکنیم .. اونجام از همین IP Cam های PTZ استفاده میکنیم ولی نمیدونم الان این کنترل کجای کار میشه .. ببینید ما یه مرحله داریم به نام کالیبراسیون .. اونجا هرچی اطلاعات میخوایم میدیم به دوربین .. این اطلاعات نه قراه تغییر کنه و نه پدیت بشه .. کاملا استاتیکه .. ولی توی اون کاری که من بالا گفتم؛ قضیه به کل فرق میکنه .. اونجا حرکات دوربین؛ تنظیمات دوربین؛ بالا و پایین رفتن های دوربین همه و همه تغییر میکنه و پدیت میشه .. برای همینه که شاید اونجا بشه مثلا گفت که کار کنترلی یه کم معنا داره .. اونم از چه جهت؟ از این جهت که حرکات تغییرات میاره و تغییرات هم پدیت شدن و پدیت شدن نیاز به یه پروسه ی کنترلی داره ..

کلا بذارید اینجوری بگم .. توی کار Tracking مساله ای که با دوربین در ارتباطه دو سبک خاصه .. یعنی ما با دو سبک خاص سرو کار داریم .. اولین اونها Data Fusion هست به این معنا که چندتا دوربین میتونن Track آبجکت مارو به طور کامل با محدودیت های FOV و خیلی چیزایی که تعریف میکنن؛ انجام بدن .. بحث های جالبی هم داره .. بدک نیست! یه سبک دیگه هم اینه که میان مثل همون کار بالا توی Virtual Studio ازش استفاده میکنن و به طبع اپراتور اون کار خودکاره .. هر دوتای این جاها هم مفهوم کنترل برای خودش حسابی داره و میشه خیلی کلی تعریفش کرد .. امــآ الان من دقیق نمیدونم این چه حالتی از مساله هست که بشینیم روش صحبت کنیم .. یه مقدار اطلاعات دقیقتر و شاید هم کاملتر نیازه .. موفق باشید ..

[baba]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام خدمت دوستان عزیز
کسی در مورد digital Image Stabilization کار کرده . اگه من رو راهنمایی کنید ممنون میشم!!!!!!
-- یکی از کاربردهای این کار در ترکینگ هست. یعنی ابتدا برای اینکه یوزر بتونه هدف رو انتخاب کنه باید تصویر ثابت بشه تا بتونه هدف رو خوب انتخاب کنه . در واقع هنگام کار کردن با دوربین برای ترکینگ ممکن است دوربین تکون بخوره و یا دچار لرزش بشه بنابران اگه بتونیم این خطا ها رو جبران کرد خوب میشه :rolleyes:

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام ..................

شرمنده بابت تاخیر ..

اتفاقی که توی این مواقع میوفته Motion Blur هست .. یعنی لرزش دست باعث Blur شدن تصوی میشه .. تصویر زیر رو ببینید ..



اینجور مواقع باید به دنبال راهی باشیم که بتونیم این اثرات رو تا حدود زیادی حذف کنیم .. راه حل های کلاسیک این مشکل استفاده از Wiener Filters و Degraded Function ها هست .. اینا میتونن تا حد زیادی به حل شدن این مشکل کمک کنن .. یه روش دیگه هم موسوم هست به Richardson-Lucy deconvolution .. این روش بر مبنای تحلیل Iterative یه تابع به نام PSF کار میکنه .. نتایجش به ازای Iteration های بالا خیلی خوبه (مثلا Iteration برابر 10 تا 20 ) امــآ مشکلی که داره اینه که حتما باید PSF مشخص باشه .. FFTS و Circular Motion هم از روش های دیگه ای هستن که توی ادبیات این شاخه سابقه دارن .. ولی روش های خیلی جدیدتری هم اومده که میشه روی اونها هم فکر کرد .. کافیه دنبال Motion Debluring باشید و متدهای جدیدش رو ببینید .. موفق باشید ..

[baba]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام ..
بابت همکاریآهاتون ممنون :applause:
فکر کنم که Digital Image Stabilization با اون چیزی که گفتید کمی متفاوت باشد و یا اون چیزی که گفتید بخشی از این کار باشد. من چند مقاله در این مورد مطالعه کردم و بیشتر روی تخمین حرکت و تکان خوردن دوربین کار می کردند و اون رو اصلاح می کردند در شکل زیر یک سری الگوریتم هایی برای این کار ذکر شده است.

در جلوی هر یک مزایای و قدرت اصلاح (مثلا اصلاح انتقال، چرخش، تاب برداشتن) ذکر شده است. تو کار من چون هدف پیاده سازی روی یک سخت افزار است (مثلا DSP) باید یک الگوریتمی باشد که قابلیت زمان حقیقی اجرا شدن داشته باشه. تو چند مقاله که من مطالعه کردم برای این کار از الگوریتم های Gray-Coded Bit-PlaneMatching (GC-BPM), Block Matching, Feature Tracking استفاده کرده بودند که توشون فکر کنم از نظر سرعت مناسب و دقت نسبتاً خوب الگوریتم Gray-Coded Bit-PlaneMatching (GC-BPM) باشه. از نظر دقت الگوریتم Block Matching خوبه ولی الگوریتم سنگینی است و زمان حقیقی اجرا کردنش سخت است. ولی توی یک مقاله اومده بود و با یک سری محدودیت گذاشتن تونسته بود بصورت زمان حقیقی اجرا کنه...
کسی تو این موارد کار کرده؟؟؟ اگه کمک کنید ممنون میشم

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام .............

شرمنده بابت تاخیر ..

درسته .. من اشتباه منظورتون رو متوجه شدم .. این تیپ کاری که شما گفتید رو من تاحالا باهاش سروکله نزدم امــا یه ایده دارم که میگم شاید تونست کمکتون کنه .. گفتید که کارتون Tracking هست اون هم روی یه شئ Rigid یا به عبارتی صلب .. اگه میخواید برای خنثی کردن یا همون Compensation به دنبال این الگوریتم های Pixel Based برید نظرم اینه که از یه راه دیگه استفاده کنید که هم به دقتتون کمک کنه و هم بتونه Real Time کار کنه .. یه روش هست به نام Mean Shift که برای کارای 3D به کار میره .. این متد کارش چیه؟ میاد توی فضای N-D از دیتاهای شما دسته هایی (Cluster) میسازه که نسبت به هم مجزا هستن .. یه مقدار دهی اولیه داره و بعد به صورت Iterative دسته هارو میسازه و پر میکنه .. حالا فرض کنید Cluster های شما ساخته شده و میخواید سوئیچ کنید روی یه جسم برای Tracking .. چون این متد بر حسب فضای Cluster کار میکنه و نه Pixel Wise این امکان رو بهتون میده که خطاهای Deviation رو نادیده بگیرید و از یه Cluster به Cluster دیگه در هنگام Track فقط روی Point هایی متمرکز بشید که بین دسته ها جابجا شدن .. به این منطق میگن Feature Point Tracking .. یعنی شما به جای اینکه از اون متدهای سنتی Bounding Box استفاده کنید میاد با Point های Cluster ها کار میکنید و مطمئن هستید که خطاهای Deviation رو حذف میتونید بکنید یا اهمیتشون رو کاهش بدید .. دو تا فایل زیر رو ببینید تا متوجه ماجرا بشید .. یه نکته ی دیگه اینکه کار با Bit Plane هزینه بر هست (از نظر زمانی) و واسه همین نمیتونه خیلی به صورت عمومی به کار شما بیاد .. شاید مجبور باشید برای هر PLANE یه سری محدودیت خاص بذاریت با بیت هاتون رو دست بزنید تا به اتلاف زمان کمتری بر بخورید .. راستی اون یکی پستتون هم باید جواب میدادم امــا یه کم طولانی میشه واسه همین دنبال یه زمان خالی واسه تمرکز میگردم .. شرمنده .. موفق باشید ..

[baba]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام
من به علت پاره ای از مشکلات یه مدتی تو این کار وقفه داشتم
حالا می خوام اگه بشه این بحث رو با کمک دوستان جلو ببریم
من یه پله عقب تر میرم و بحث رو از اینجا دنبال می کنم که تو انتخاب الگوریتم خوب برای کار ترکینگ من بین 3 تا الگوریتم موندم
1- الگوریتم Mean-Shift
2- الگو ریتم optical-flow
3- الگوریتم کورلیشن (البته اصلاح شده) در پایان نامه زیر در مورد روش اصلاح شده صحبت شده و نقص های روش کورلیشن رو بر طرف کرده

ADAPTIVE EDGE-ENHANCED CORRELATION BASED ROBUST AND REAL-TIME VISUAL TRACKING FRAMEWORK AND ITS DEPLOYMENT IN
MACHINE VISION SYSTEMS

[hess]

پاسخ : رد یابی تصاویر -- Object Tracking

سلام ...............

شرمنده بابت تاخیر ..

در مورد سوال .. اینطوری نیست که نظر قطعی بشه داد .. بستگی به شرایط داره .. که کارتون چیه؟ محدودیت هاتون چیه و ... توی کارتون به چند تا نکته باید توجه کنید .. یکی اینکه الگوریتمتون زمانبر نباشه .. یا به عبارت دیگه بتونه Real-Time کار کنه .. دوم اینکه روی Occlusion حساس نباشه یا به عبارت دیگه بتونه به خوبی Occlusion رو Handle کنه و پوشش بده .. این نکته هم خیلی مهمه .. نکته ی سوم هم سادگی پیاده سازیش هست .. توی این سه موردی که گفتید؛ روش Correlation خیلی قدیمیه و زیاد مرسوم نیست الانا استفاده ازش .. یه نکته ای که داره اینه که هر بار باید Correlation بین فریم هارو به دست بیاره و بعد بر حسب تغییرات یه سری ویژگی (مثلا خیلی عادی بگیریم نقاط خاص) باید بتونه نوع حرکت بعدی رو پیش بینی کنه و بکسش رو منتقل کنه به اون نقاط .. اینجور کارا منطق Bounding Box Based داره .. یعنی شما یه باکس میگیرید حول ROI فریمتون و تعهد میکنید که الگوریتم بتونه این باکس رو دنبال کنه .. روش تطبیق دو فریم میتونه به صورت کلاسیک همون Correlation باشه و یا میتونه یه کم پیشرفت کنه و متدهای جدیدتر رو به خودش بپذیره .. مثلا الان از DTW برای تطبیق دو فریم استفاده میکنن (دو فریم از یه sequence) که هم دقتش بیشتره و هم سرعتش ..

روش Optical Flow خوبه .. توی ادبیات Tracking خیلی مرسومه .. میتونید از Lucas-Kanade یا Tomassi استفاده کنید .. اینا روی Occlusion هم مشکلی ندارن و میتونن کار Tracking رو انجام بدن .. Mean-Shift هم که کارش مشخصه .. اون بالا در موردش صحبت کردیم .. من ویدئوی Tracking با Mean-Shift رو دیدم .. کاملا Real Time بود و میتونست پیش بینی فریم بعدی رو هم تا حدودی انجام بده (بدون در نظر گرفتن مدل مارکوف برای آبجکت موجود در هر فریم) .. در برابر Occlusion هم انعطاف پذیره .. فایل ضمیمه شده رو حتما ببینید .. لینک زیر رو هم ببینید .. امیدوارم که بتونه مفید باشه .. موفق باشید ..

Optical Flow Tracking using Lucas-Kanade
http://www.cs.nyu.edu/~ccp252/classe...as-kanade.html