<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Sledenje objekta ob prisotnosti distraktorjev preko sledenja več hipotez</dc:title><dc:creator>Suhadolnik,	Gašper	(Avtor)
	</dc:creator><dc:creator>Kristan,	Matej	(Mentor)
	</dc:creator><dc:creator>Lukežič,	Alan	(Komentor)
	</dc:creator><dc:subject>sledenje</dc:subject><dc:subject>časovno gručenje</dc:subject><dc:subject>trajektorija</dc:subject><dc:subject>hipoteza</dc:subject><dc:subject>detekcija</dc:subject><dc:subject>globoke značilnice</dc:subject><dc:subject>optični tok</dc:subject><dc:description>Sledenje objektom je eden izmed glavnih problemov na področju računalniškega vida. V diplomski nalogi raziskujemo problem vizualnega sledenja enemu objektu ob prisotnosti distraktorjev. Distraktorji so objekti, ki so vizualno podobni tarči, kar povečuje negotovost sledenja. Distraktorji lahko povzročijo odpoved sledenja tako, da sledilnik namesto tarče začne slediti enemu izmed njih. Algoritem, predlagan v tej nalogi, temelji na načinu sledenja z detekcijami, pri čemer je detektor svoj del sledilnika, ki na vsaki sliki generira detekcije objekta in distraktorjev. Sledenje je implementirano kot časovno gručenje detekcij preko več slik sekvence videoposnetka v trajektorije objekta in distraktorjev. Pri tem na vsaki posamezni sliki z novimi detekcijami ustvarimo množico hipotez trajektorij v naslednjem časovnem trenutku in ocenimo njihove kvalitete in cene njihovih medsebojnih interakcij. Te ocene nato uporabimo za izbiro tistih hipotez, ki najbolje opisujejo premikanje objekta in distraktorjev, pri čemer odstranimo tiste, ki predstavljajo napačno nadaljevanje trajektorij. Našo metodo evalviramo na DiDi in rezultate primerjamo z drugimi sledilniki za sledenje enemu objektu. Algoritem doseže rezultat 0,252 AUC, ki je v primerjavi z najboljšim sledilnikom na tej množici DAM4SAM, ki doseže rezultat 0,694, za 63% nižji. Algoritem v primerjavi z najboljšimi sledilniki na uporabljeni podatkovni množici ne dosega primerljivih rezultatov, za kar je v veliki meri odgovorna časovna zahtevnost uporabljene metode za izbiro najboljših hipotez, ki za gručenje pomeni izziv pri omejevanju števila ustvarjenih hipotez oziroma potrebo po implementaciji dodatnih mehanizmov za odstranjevanje manj pomembnih hipotez.</dc:description><dc:date>2025</dc:date><dc:date>2025-09-15 11:10:06</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>173266</dc:identifier><dc:identifier>VisID: 38200</dc:identifier><dc:identifier>COBISS_ID: 253566723</dc:identifier><dc:language>sl</dc:language></metadata>
