Некоторые алгоритмы машинного обучения, которые используются для автоматического обнаружения объектов в видео:

• Отслеживание одного объекта (SOT). 1 Алгоритмы SOT позволяют отслеживать положение одного объекта на всём протяжении видео. 1 Пользователь указывает на первом кадре рамку вокруг целевого объекта, а алгоритм отслеживает положение и движение объекта внутри этой рамки. 1
• Отслеживание нескольких объектов (MOT). 1 Алгоритмы MOT используют обширные наборы обучающих данных для понимания движущихся объектов. 1 После обучения они могут идентифицировать и отслеживать несколько объектов на каждом кадре. 1
• Фильтр Калмана. 1 Алгоритм оценивает положение объекта и предсказывает его движение на последующих кадрах. 1
• Median Flow Tracker. 1 Предсказывает движение объектов в видео, анализируя характерные точки на кадрах. 1
• Online Boosting Tracker. 2 Один из первых алгоритмов отслеживания объектов, имеет высокую точность. 2 Основан на онлайн-версии алгоритма AdaBoost, использующего для поиска объекта каскад Хаара. 2
• MIL Tracker (Multiple Instance Learning Tracker). 2 Является развитием идеи обучения с учителем и алгоритма Online Boosting Tracker. 2 Основное отличие заключается в том, что в качестве положительного примера рассматривается не только текущее местоположение объекта, но и другие области, содержащие его. 2
• KCF Tracker (Kernelized Correlation Filters Tracker). 2 Основывается на идеях двух предыдущих алгоритмов, однако за счёт использования математических свойств перекрывающихся областей положительных примеров происходит значительное увеличение быстродействия при более простой реализации. 2