The bibliography about objects trac

The bibliography about objects tracking is also extensive,
but the results obtained in this field are not always
satisfactory because to develop generic algorithms in this
line is difficult. There are several tracking solutions for
video-surveillance, and their applicability depends on the
scenario: traffic situations (Alvarez, Llorca, & Sotelo, 2014),
airports (Besada et al., 2005), maritime surveillance (Szpak
& Tapamo, 2011), sports events (Kayumbi, Mazzeo,
Spagnolo, Taj, & Cavallaro, 2008), places in poor lighting conditions
(Gade & Moeslund, 2014; Wong, Tan, Loo, & Lim,
2009), crowded environments (Ali & Dailey, 2012; Badie &
Bremont, 2014; Chau, Bremond, & Thonnat, 2014; Chau,
Thonnat, Bremond, & Corvee, 2014; Guan & Huang, 2015;
Kuo, Huang, & Nevatia, 2010; Kuo & Nevatia, 2011; Li,
Huang, Gu, Luo, & Tian, 2008, 2009; Walia & Kapoor, 2014;
Wu & Nevatia, 2006; Xing, Ai, & Lao, 2009; Zhang, Wang,
Wang, Gong, & Liu, 2015; Zhao & Nevatia, 2004), and so
forth. However, there is not any realistic approach in related
works for conveniently solving the problem of human tracking
in a real-time video-surveillance system for shopping
malls. Besides, generic algorithms similar to the presented
in Foresti, Micheloni, Snidaro, Remagnino, and Ellis (2005)
and Shah, Javed, and Shafique (2007) do not offer satisfactory
solutions for facing our particular problem, because
the surveillance conditions in a shopping mall are very particular
and, frequently, the images to process have low quality.
It is better to focus on the specific challenges than to
search generic tracking solutions, since each place has different
and restrictive parameters. Attending to this, in this
paper a new tracking algorithm is presented to fit into this
kind of surveillance model for shopping malls. In Section 5,
the theoretical contributions of our tracking approach will
be highlighted in several experiments and they will be
compared against the most recent state-of-the-art works.

ผลลัพธ์ (ไทย) 1:

บรรณานุกรมเกี่ยวกับวัตถุที่ติดตามก็กว้างขวางแต่ผลลัพธ์ที่ได้ในฟิลด์นี้ไม่เสมอพอใจเนื่องจากในการพัฒนาทั่วไปอัลกอริทึมนี้บรรทัดเป็นเรื่องยาก มีการติดตามแก้ไขปัญหาต่าง ๆ สำหรับเฝ้าระวังวิดีโอ และความเกี่ยวข้องของพวกเขาขึ้นอยู่กับการสถานการณ์สมมติ: สถานการณ์ (Alvarez, Llorca, & Sotelo, 2014), จราจรสนามบิน (Besada et al. 2005), เฝ้าระวังการเดินเรือ (Szpak& Tapamo, 2011), กีฬากิจกรรม (Kayumbi, MazzeoSpagnolo ทัช & Cavallaro, 2008), สถานที่ในสภาพแสงไม่ดี(ษเล็ง & Moeslund, 2014 วงศ์ ตาล ลู และ Lim2009), แออัดสภาพแวดล้อม (Ali และ Dailey, 2012 Badie และคว้า 2014 เชา Bremond, & Thonnat, 2014 เชาThonnat, Bremond และ ตระกูล 2014 กวนและ Huang, 2015Kuo หวง & Nevatia, 2010 Kuo & Nevatia, 2011 หลี่หวง กู ลู และ เทียน 2008, 2009 Walia & Kapoor, 2014วูและ Nevatia, 2006 ชิง Ai และ ลาว 2009 เตียว วังวัง กง และ หลิว 2015 Zhao & Nevatia, 2004), และไว้ อย่างไรก็ตาม ไม่มีวิธีใด ๆ สมจริงในที่เกี่ยวข้องการทำงานสำหรับบริการแก้ปัญหาการติดตามมนุษย์ในระบบการเฝ้าระวังวิดีโอแบบเรียลไทม์สำหรับการช็อปปิ้งห้างสรรพสินค้า นอกจาก อัลกอริทึมคล้ายกับการนำเสนอทั่วไปForesti, Micheloni, Snidaro, Remagnino และเอลลิส (2005)และชาห์ Javed และ Shafique (2007) ไม่มีพอสำหรับเผชิญปัญหาเฉพาะ เนื่องจากเงื่อนไขการเฝ้าระวังในห้างมีมากโดยเฉพาะและ บ่อย การประมวลผลภาพมีคุณภาพต่ำการเน้นความท้าทายเฉพาะเจาะจงกว่าการค้นหาโซลูชันการติดตามทั่วไป เนื่องจากแต่ละสถานที่มีความแตกต่างกันและพารามิเตอร์จำกัด เข้าร่วมนี้ ในที่นี้กระดาษอัลกอริธึมการติดตามจะแสดงให้พอดีกับในนี้ชนิดของรูปแบบการเฝ้าระวังสำหรับห้างสรรพสินค้า ในส่วนที่ 5ผลงานเชิงทฤษฎีของการติดตามของเราจะเน้นในการทดลองต่าง ๆ และพวกเขาจะเปรียบเทียบกับสถานะของศิลปะการทำงานล่าสุด

ผลลัพธ์ (ไทย) 2:

บรรณานุกรมเกี่ยวกับวัตถุติดตามยังเป็นที่กว้างขวาง
แต่ผลที่ได้รับในด้านนี้ไม่ได้เสมอ
ที่น่าพอใจเพราะการพัฒนาอัลกอริทึมทั่วไปในนี้
สายเป็นเรื่องยาก มีการติดตามแก้ไขปัญหาหลายอย่างสำหรับการเป็น
วิดีโอการเฝ้าระวังและการบังคับใช้ของพวกเขาขึ้นอยู่กับ
สภาพการจราจร (อัลวาเร Llorca และ Sotelo 2014): สถานการณ์
สนามบิน, การเฝ้าระวังทางทะเล (Szpak (Besada et al, 2005.)
และ Tapamo 2011) , การแข่งขันกีฬา (Kayumbi, Mazzeo,
Spagnolo ทัชและวาล์ว, 2008), สถานที่ในสภาพแสงไม่ดี
(Gade & Moeslund 2014; วงศ์ตาล Loo และ Lim,
2009) สภาพแวดล้อมที่แออัด (Ali & Dailey 2012 ; Badie &
Bremont 2014; เชา Bremond และ Thonnat 2014; เชา
Thonnat, Bremond และ corvee 2014; กวนและ Huang 2015;
Kuo หวางและ Nevatia 2010; Kuo และ Nevatia 2011; หลี่
Huang, Gu, Luo และ Tian, ​​2008, 2009; Walia & Kapoor 2014;
Wu & Nevatia 2006; Xing ไอและลาว 2009; Zhang วัง
วังฆ้องและหลิว 2015; Zhao และ Nevatia , 2004) และอื่น
ๆ แต่มีไม่ได้เป็นวิธีการที่มีเหตุผลใด ๆ ที่เกี่ยวข้องกับ
การทำงานสำหรับสิ่งอำนวยความสะดวกในการแก้ปัญหาของการติดตามของมนุษย์
ในเวลาจริงระบบวิดีโอเฝ้าระวังสำหรับการช้อปปิ้งที่
ห้างสรรพสินค้า นอกจากนี้ขั้นตอนวิธีการทั่วไปคล้ายกับที่นำเสนอ
ใน Foresti, Micheloni, Snidaro, Remagnino และเอลลิส (2005)
และอิหร่านเว็ดและ Shafique (2007) ไม่ได้นำเสนอที่น่าพอใจ
โซลูชั่นสำหรับการเผชิญปัญหาโดยเฉพาะอย่างยิ่งของเราเพราะ
เงื่อนไขการเฝ้าระวังในการช้อปปิ้ง ห้างสรรพสินค้ามากโดยเฉพาะ
และบ่อยครั้งที่ภาพเพื่อกระบวนการมีคุณภาพต่ำ.
มันจะดีกว่าที่จะมุ่งเน้นไปที่ความท้าทายที่เฉพาะเจาะจงมากกว่าที่จะ
ค้นหาการติดตามแก้ไขปัญหาทั่วไปเนื่องจากแต่ละสถานที่ที่แตกต่างกันมี
ค่าพารามิเตอร์และเข้มงวด การเข้าร่วมการนี้ในการนี้
กระดาษขั้นตอนวิธีการติดตามใหม่จะนำเสนอเพื่อให้พอดีกับนี้
ชนิดของรูปแบบการเฝ้าระวังสำหรับห้างสรรพสินค้า ในมาตรา 5
ผลงานทางทฤษฎีของวิธีการติดตามของเราจะ
เน้นในหลายการทดลองและพวกเขาจะได้รับการ
เปรียบเทียบกับรัฐของศิลปะผลงานล่าสุด

ผลลัพธ์ (ไทย) 3:

บรรณานุกรมเกี่ยวกับวัตถุติดตามยังเป็นอย่างละเอียดแต่ผลที่ได้รับในฟิลด์นี้จะไม่เสมอน่าพอใจ เพราะการพัฒนาอัลกอริทึมทั่วไปในสายยาก มีหลายโซลูชั่นการติดตามสำหรับการเฝ้าระวังวิดีโอและการบังคับใช้ของพวกเขาขึ้นอยู่กับสถานการณ์ : สภาพการจราจร ( อัลวาเรซ llorca & sotelo 2014 )ท่าอากาศยาน ( besada et al . , 2005 ) , การเฝ้าระวังทางทะเล ( szpak& tapamo , 2011 ) , กิจกรรมกีฬา ( kayumbi mazzeo , ,spagnolo , ทัชมาฮาล , และ cavallaro , 2008 ) , สถานที่ในสภาพแสงไม่ดี( เกด & moeslund 2014 ; วง , Tan , ห้องน้ำ , และลิม2009 ) , สภาพแวดล้อมที่แออัด ( อาลี & เดลีย์ , 2012 ; badie &bremont 2014 ; Chau bremond & thonnat 2014 ; Chau ,thonnat bremond , และ corvee 2014 2015 ; ; กวน & ฮวงกัว ห่วง และ nevatia , 2010 ; Kuo & nevatia 2011 ; ลีหวงกู หลัว และเทียน , 2008 , 2009 ; walia & กาปูร์ , 2014 ;อู๋ & nevatia , 2006 ; ซิ่ง ไอ และ ลาว , 2009 ; Zhang , วังวัง กง และ หลิว 2015 ; Zhao & nevatia , 2004 ) , และอื่น ๆออกมา อย่างไรก็ตาม , มีไม่ใด ๆมีเหตุผลวิธีการที่เกี่ยวข้องทำงานเพื่อแก้ไขปัญหาการติดตามมนุษย์ได้สะดวกในเวลาจริงระบบเฝ้าระวังวิดีโอสำหรับช้อปปิ้งห้างสรรพสินค้า นอกจากนี้ขั้นตอนวิธีทั่วไปคล้ายกับเสนอในป่า micheloni snidaro remagnino , , , , และเอลลิส ( 2005 )แล้วก็ ชาห์ จาเวด และ shafique ( 2007 ) อย่าให้เป็นที่พอใจโซลูชั่นสำหรับการเผชิญปัญหาเฉพาะของเรา เพราะการเฝ้าระวังสภาวะในห้างสรรพสินค้ามีมากโดยเฉพาะและ บ่อย ภาพกระบวนการมีคุณภาพต่ำมันจะดีกว่าที่จะมุ่งเน้นไปที่ความท้าทายที่เฉพาะเจาะจงกว่าค้นหาทั่วไปการติดตามแก้ไขปัญหา เนื่องจากแต่ละสถานที่มีแตกต่างกันและพารามิเตอร์ที่จำกัดนะ งานนี้ ในนี้กระดาษวิธีติดตามใหม่จะนำเสนอให้พอดีลงในนี้ชนิดของรูปแบบการเฝ้าระวังสำหรับห้างสรรพสินค้า ในส่วนที่ 5ผลงานเชิงทฤษฎีของวิธีการของเราจะติดตามจะเน้นในการทดลองหลาย ๆและพวกเขาจะเมื่อเทียบกับผลงานล่าสุดของ .