حسن درویشی - دانشجوی کارشناسی ارشد رشته ی برق-مخابرات سیستم، دانشگاه آزاد اسلامی واحد سیرجان، سیرجان
مهران ابدالی - استادیار گروه برق، دانشگاه آزاد اسلامی واحد بافت، بافت

TLD مخفف ردیابی، یادگیری و آشکارسازی است. همان طور که از نام آن پیداست، این ردیاب، کار ردیابی طولانی مدت را به سه جزء کوتاه مدت ردیابی، یادگیری و آشکارسازی، تجزیه می کند. ردیاب، شئ را به صورت فریم به فریم دنبال می کند. آشکارساز همه مواردی که تاکنون مشاهده شده اند را دسته بندی می کند و در صورت لزوم ردیاب را اصلاح می کند. بخش یادگیری، خطاهای آشکارساز را محاسبه کرده و آن را به روز می کند تا از بروز این اشتباهات در آینده جلوگیری شود. خروجی این ردیاب تمایل به حرکت در اطراف بسیار کمی دارد. به نظر می رسد این ردیاب بتواند یک شی در یک مقیاس، حرکت و انسداد بزرگتر را دنبال کند. اگر یک دنباله ویدئویی داشته باشیم که در آن شی مورد نظر در پشت یک شی دیگر پنهان باشد، این ردیاب می تواند انتخاب خوبی باشد. در این مقاله، ما در ابتدا به تشریح کامل این الگوریتم پرداختیم و سپس در سه آزمایش مجزا بر روی سکانس ها و دنباله فریم های معیار و ویدئوهای زنده از این الگوریتم با سخت افزار رزبری پای و زبان برنامه نویسی پایتون استفاده کردیم و نتایج را ارائه نمودیم. سپس با استفاده از الگوریتم TLD و مینی کامپیوتر تک بوردی رزبری پای و با کمک یک دوربین که به وسیله ی سرووموتورها قابلیت چرخش در سمت و ارتفاع را دارد، سامانه ای را طراحی کرده و ساخته ایم که به وسیله ی آن اهداف متحرک موجود در تصاویر زنده دریافتی از دوربین را به صورت بلادرنگ دنبال کنیم.

ردیابی بلادرنگ, الگوریتم ردیابی-یادگیری-آشکارسازی, مینی کامپیوتر رزبری پای, دوربین متحرک, یادگیری P-N