| Abstract | Opisani OpenPTrack sustav u uspješno postavljenim okruženjima dao je zadovoljavajuće rezultate prilikom procesa detekcije i praćenja osoba. U konfiguraciji sustava sastavljenoj od dva Kinect senzora rezultati su očekivano bili nešto bolji, no nisu se mnogo razlikovali popreciznosti detekcije i praćenja osoba u odnosu na sustav sa samo jednim senzorom. Moje je razmišljanje kako će projekt daljnjim naporima programera, testera i ostalih suradnika Open-PTrack davati još robusnije, kvalitetnije te preciznije rezultate detekcije i praćenja osoba.
Uz navedeno, dodatni je zadatak završnog rada, uz postavljanje okruženja za detekciju i praćenje osoba, bio predložiti postupke kojima se može kvantitativno izraziti točnost detekcija osoba te njihovog praćenja. Moj je prijedlog da bi se točnost detekcije mogla izraziti provođenjem višestrukih testiranja detekcije i praćenja osoba, odnosno usporedbom točne
detekcije osoba s pojavom lažne detekcije (tzv. duhovima). Potrebno je uključiti nekoliko sudionika koji bi trebali hodati ispred postavljenih Kinect senzora. Jedna bi osoba morala promatrati prikaze detekcija osoba u alatu RViz te pratiti točnost detekcije, tj. promatrati broj detektiranih osoba prikazanih u 3D prostoru RViza u odnosu na stvaran broj osoba ispred senzora. Na taj bi se način moglo doći do rezultata gdje bi bilo moguće usporediti broj točnih s brojem lažnih detekcija osoba, te tako izraziti točnost detekcije. Primjerice, od pet osoba koje su se nalazile ispred kamere, u mojem je slučaju OpnPTrack uspješno prepoznao sve osobe, ali je uz njih dodatno detektirao dvije „lažne“ osobe, tzv. duhove. Promjenom parametara
osjetljivosti senzora sustav je potom detektirao samo tri od pet osoba u prostoriji, no lažnih detekcija nije bilo. Opisani postupak za dobivanje rezultata točnosti detekcije i praćenja osoba nije moguće provesti u bilo kojem OpenPTrack sustavu. Razlog je taj što će za različita okruženja, odnosno prostorije u koje je sustav smješten, OpenPTrack davati različite
rezultate detekcije osoba. Ti rezultati mogu značiti manje lažnih detekcija i prikaza tzv. duhova te veću točnost praćenja osoba. Također, ovisno o okruženju, dobiveni rezultati mogu biti lošiji ukoliko je prostorija manjih dimenzija ili, primjerice, postoje prepreke koje mogu ometati rad senzora. Također, za dobivene rezultate točnosti OpenPTracka moraju se uzeti u
obzir i parametri sustava koji utječu na osjetljivost Kinect senzora za procese detekcije i praćenje osoba. Postupak za dobivanje rezultata točnosti sustava morao bi se razlikovati za sve različite vrijednosti parametara senzora kako bi rezultati detekcije bili vjerodostojni. Svaka promjena vrijednosti parametara znači dobivanje različitih rezultata, gdje proces detekcije
osoba može biti mnogo točniji ili mnogo lošiji, ovisno o prostoru u kojem je smješten sustav.
Stoga smatram kako bi se postupak izražavanja točnosti sustava za detekciju i praćenje osoba uveliko razlikovao za svako okruženje u koje je sustav smješten. U svakom prostoru gdje je sustav smješten moraju se provoditi višestruka testiranja te usporediti stvarni rezultati detekcije i praćenja osoba s lažnim trackingom. Kako zadani parametri osjetljivosti sustava vjerojatno neće dati željene rezultate, potrebno je njihovo prilagođavanje prostoriji u kojoj je sustav smješten. Dobivanje potrebnih vrijednosti parametara moguće je jedino mnogobrojnim testiranjima. Moj je zaključak da ne postoji jedinstvena metoda kojom bi se mogli definirati postupci za izražavanje točnosti detekcije i praćenja osoba, već će se metode uveliko
razlikovati ovisno o prostoriji u kojoj je sustav smješten, te korištenim parametrima za definiranje osjetljivosti sustava. |
| Abstract (english) | OpenPTrack is a robust, scalable, multi-camera solution for detecting and tracking people. With OpenPTrack, it is possible to track many people over large areas in real time. The project is completely open source, meaning everybody is welcome to join and contribute to it. During my project I had two different setups - the first using only one Kinect sensor
connected to a personal computer, and second setup with two Kinect sensors, each connected to PC and laptop as a master node. As expected, results of detecting and tracking people were somewhat better in second environment compared to the first one. The precision of detection and tracking processes was still satisfying, however there were some problems, as described later. OpenPTrack is still under heavy development, and my thoughts are that with further
efforts of developers, contributors and users the project will produce more precise and better quality of results regarding both detecting and tracking people. In addition to setting the environment with OpenPTrack, my assigment was to suggest methods for measuring accuracy of detecting and tracking processes. My suggestion is that the accuracy of mentioned processes could be measured only with multiple testing. In my case, five participants were involved in
testing. While they were walking in front of Kinect sensors, I noticed OpenPTrack successfully detected all five persons, but RViz visualization tool displayed two additional people. This problem is known as fake tracking, representing additional dots (people) on the screen called spurios tracks. By changing sensitivity parameters of Kinect sensors for detecting people, the problem can be reduced, but is difficult to solve completely. In that case OpenPTrack successfully detected only three out of five people, but the number of spurious tracks was reduced to zero. Yet, "ghosts" are still displayed in RViz from time to time. Described solution for measuring accuracy of detecting and tracking people cannot be
performed in any OpenPTrack environment. The reason is OpenPTrack system will produce different results in different environments. For example, in one test room the system can yield less spurios tracks and better precision of people detection. Depending on environment in which the system is situated, results of detecting and tracking people can be very unreliable and inaccurate. The number of „ghost“ tracks can be increase if the room is not big enough or full of obstacles which could interfere with the sensors. Additionally, results of detecting and tracking people will depend on sensitivity parameters of Kinect sensors. Testing must be done for each different value of the sensitivity parameters used in environment. Different values of the parameters can produce much better or worse results, so the only viable solution
is to actually perform multiple tests. This way is the most convenient to find wanted sensitivity values for optimal results of detecting and tracking people. Therefore, I believe that the methods for measuring accuracy of detecting and tracking people will greatly differ for every OpenPTrack environment. To conclude, multiple tests must be performed in each different environment. Obtained results need to be compared with the fake tracking. Sensitivity parameters must be adjusted according to given environment, so the system can produce correct and high quality results of detecting and tracking people. The only way to acquire proper values of parameters is by performing multiple tests. There is no universal solution, yet the methods for measuring accuracy of results will greatly differ depending on environment and
camera sensitivity parameters. |
