في عالم تتبع الأهداف، مثل الدفاع والمراقبة، يمثل فقدان الرؤية بسبب العقبات الطويلة أو الكاملة تحديًا كبيرًا. فقد أظهرت الأنظمة التقليدية ضعفًا واضحًا عند انقطاع الرؤية، مما يؤدي إلى خسارة الهوية وتقليل الوعي بالوضع. لهذا السبب، تم تطوير إطار عمل متكامل للتعامل مع هذه التحديات، يقوم على تكامل تقنيات الكشف عن الأجسام مثل نموذج YOLOv11n، مع خوارزمية تقدير الحركة Kalman Filter، وتقنيات إعادة الهوية المستندة إلى المظاهر.

يتكون هذا الإطار من ثلاثة مراحل رئيسية هي: الكشف عن الأجسام، وتقدير الموقع أثناء تواجد العقبات، واستعادة الهوية بعد ظهور الهدف مرة أخرى. ومن خلال تقييم ستة أنظمة لإعادة الهوية تحت نفس الظروف، تم اختيار شبكة OAMN (Occlusion-Aware Mask Network) كأفضل أداء.

عند المقارنة بإطار OccluTrack على مجموعة بيانات OVIS العامة، حقق النظام الجديد تحسينات ملحوظة بلغت 18.1 بالمئة في أداء تتبع الأجسام المتعددة، و25.1 بالمئة في درجة الهوية F1، مع تقليل التحولات الهوية بنسبة 12.8 بالمئة. فضلًا عن ذلك، تم اختبار النظام على مجموعة بيانات عسكرية مخصصة تحاكي بيئات المراقبة وساحات المعارك، حيث حقق MOTA بلغ 0.734 وIDF1 بلغ 0.729، ما يشير إلى تحسينات نسبية تبلغ 14.2 بالمئة و5.8 بالمئة على التوالي.

هذا الإطار يظهر أداءً قويًا في الحفاظ على الهوية وسلاسة التتبع تحت ظروف عقبات صعبة، مما يبرز فعاليته في التطبيقات العسكرية التي تتطلب تتبع الأهداف باستمرار رغم فقدان الرؤية.