تشهد تقنيات تتبع الأجسام المتعددة (Multi-Object Tracking) بروزًا مستمرًا بفضل تقدم الكاميرات التقليدية، وخاصة كاميرات RGB، التي تقدم معلومات غنية عن المظهر والمعاني. ومع ذلك، تعاني هذه الكاميرات من تدهور الأداء في ظروف صعبة مثل اهتزاز الحركة، الإضاءة المنخفضة، والتعرض الزائد للضوء.

ففي هذا السياق، تبرز كاميرات الأحداث (Event Cameras) المستوحاة من البيولوجيا بخصائصها المميزة، إذ تقدم دقة زمنية عالية ونطاق ديناميكي واسع، مما يوفر إشارات تكاملية في حالات التحدي. ولكن على الرغم من هذه المزايا، فإن تتبع الأجسام المتعددة باستخدام كاميرات RGB وكاميرات الأحداث لا يزال في مراحل الاستكشاف الأولي نظرًا لنقص البيانات الموسعة والمُعلمة بشكل جيد.

لذلك، تم تقديم مجموعة بيانات FEMOT كخطوة ثورية في هذا المجال. تُعَدّ FEMOT مجموعة بيانات كبيرة تحتوي على معلومات غنية ومُعالجة بدقة، وتغطي سيناريوهات واقعية متنوعة و14 سمة تحدٍ. هذه المجموعة تقدم منصة موثوقة لتقييم أساليب تتبع الأجسام من خلال دمج بيانات RGB وبيانات الأحداث مع annotations عالية الجودة.

بناءً على مجموعة بيانات FEMOT، تم إعادة تدريب وتقييم أكثر من عشرة متعقبين قويين، مما يُسهم في إنشاء معيار شامل لأبحاث المستقبل. بالإضافة إلى ذلك، تم اقتراح إطار عمل مبتكر يُدعى FEMOTR الذي يفصل ميزات RGB والأحداث ويجمعها في المجال الترددي، مما يُعزّز من فعالية التحديد الدقيق للأجسام وتوافق الهوية. تُظهر التجارب الواسعة التي أُجريت على مجموعة بيانات FEMOT وDSEC-MOT فعالية الأسلوب المقترح.

للاطلاع على الشيفرة المصدرية ومجموعة البيانات، يمكن زيارة صفحة GitHub الخاصة بهذا المشروع: رابط المصد.

ما رأيكم في هذه التقنية الجديدة وكيف يمكن أن تؤثر على مستقبل تتبع الأجسام؟ شاركونا في التعليقات!