في عالم المراقبة الحرارية، تظل مهمة استعادة الهوية للركاب من أكبر التحديات التي تواجه الباحثين، حيث تؤدي العوامل مثل ضعف العلامات البصرية وانقطاعات الكشف المتكررة إلى تقطيع حاد في مسارات الحركة. لكن هناك أمل جديد يظهر في الأفق، حيث تشير الأبحاث الحديثة إلى إمكانية استخدام معالجة خفيفة للخوارزميات لتعزيز استمرارية الهوية دون الاعتماد على نماذج إعادة التعرف الثقيلة أو الأساليب المعقدة.

النهج الجديد يبدأ من نموذج YOLOv8 وSORT القائم، حيث تم إضافة خلفية لإصلاح الهوية تشمل إعادة توزيع الفجوات القصيرة عبر الإنترنت وإعادة ربط المسارات المذكورة استناداً إلى معلومات زمنية ومكانية وحركية.

أظهرت التجارب على مجموعة بيانات ثابتة وتحليل دقيق لأداء نموذج PBVS Thermal Pedestrian MOT أن التحسينات الرئيسية في استعادة الهوية تأتي من إعادة الربط الدقيقة، والتي أدت إلى رفع قيم IDF1 من 82.25 إلى 84.93، في حين احتفظت بمعدل MOTA.

على الرغم من ذلك، ظلت العديد من العتبات المرتبطة بالخوارزميات مستقرة عبر مجموعة واسعة من الظروف التشغيلية. تشير النتائج إلى أنه في الصور الحرارية ذات المعلومات المنخفضة، يمكن تحقيق استعادة الهوية القوية بفاعلية أكبر من خلال إعادة الربط الدقيقة لمسارات الحركة، بدلاً من زيادة تعقيد المتعقبين.

في الختام، تقدم هذه الدراسة تحليلاً مفصلاً لاستعادة الهوية في الفيديو الحراري، مشيرة إلى أن الاتساق الزماني المكاني على مستوى المشهد يلعب دوراً حاسماً في استمرارية الهوية مقارنة بالتواصل المحلي بين الإطارات.