Mavzu: Parzen oynasi metodi uchun informativ alomatlar to‘plamini hisoblash

12
 , 
13
 ]. Ko'p kesishga asoslangan yondashuvlar 
diagrammani ko'p kesish algoritmi bilan kichik bo'laklarga bo'lib, bir xil qismni 
aniqlash bir xil identifikatsiyaga tegishli [ 
13
 , 
14]
]. Biroq, bu grafik asosidagi 
usullar NP qiyin muammolariga tegishli bo'lib, ular juda ko'p hisoblash resurslarini 
talab qiladi va faqat suboptimal echimlarni oladi. Boshqa tadqiqotchilar bir nechta 
ob'ekt ma'lumotlar assotsiatsiyasini tarmoq 
oqimini
 optimallashtirish muammosi 
deb hisoblashadi [ 
8
 , 
15-17
 ]. 
Ba'zi usullar Kalman filtri [ 18
 ], zarracha filtri 
[ 
19
 ] va Markov gipotezasi kabi ehtimollik xulosasiga asoslangan holda taqdim 
etilgan . Ob'ektning joylashuvi yashirin Markov [ 
20
 ] yordamida bashorat 
qilinadi. O'xshashlik hisoblab chiqiladi va assotsiatsiyani aniqlash dinamik 
dasturlash algoritmi orqali bashorat bir xil ob'ektga etarlicha yaqin bo'lganda 
amalga oshiriladi. Chu va boshqalar. [ 
21
] ehtimollikni hisoblash uchun 
xususiyatlarni, ko'rinish xaritasini va fazoviy e'tibor xaritasini ajratib olish va 
nihoyat ochko'z algoritm orqali birlashmalarni yaratish uchun CNN-dan 
foydalangan. 

---

Kadr bo'yicha MOT usullari yuqorida tavsiflangan, agar ob'ekt ketma-ket 
kadrlarda aniqlanmasa yoki ikkita aniqlashning ulanishi xato bo'lsa, ko'pincha 
tuzatib bo'lmaydigan xatolarga duch keladi. Ushbu muammolarni hal qilish uchun 
trekletlar assotsiatsiyasiga asoslangan kuzatish usullari [ 
22
 - 
25
 ] chiqadi. Oldingi 
ishlar [ 
26
 - 
28
 ], bu ikki trekletning bog'lanish ehtimolini olish uchun harakat 
modeli va tashqi ko'rinish modeli bilan olingan yaqinlikni ko'paytiradi. Vang va 
boshqalar. [