Данная статья посвящена разработанной нейросетевой системе отслеживания объектов в видеопотоке. Предлагаемый алгоритм позволяет в режиме реального времени определять местоположение целевого объекта в текущем кадре видеопотока. Для отслеживания системе достаточно предоставить текущий и предыдущий кадры видео, а также положение целевого объекта на предыдущем кадре. Система предварительно не обучена для отслеживания определенного объекта – целевой объект определяется при запуске системы. Для повышения точности и надежности системы были использованы как методы отслеживания объектов, так и методы распознавания образов. Оценка смещения объекта от кадра к кадру была реализована на основе метода Лукаса – Канаде и медианного фильтра. Распознавание объекта осуществляется с помощью свёрточной нейронной сети, в частности, архитектуры MobileNet. В работе приведены результаты экспериментальных исследований на основе четырех видеофайлов. Итоги экспериментов говорят о том, что предлагаемая комбинация технологий распознавания и отслеживания объектов позволяет решить проблему потери целевого объекта при его исчезновении или частичном перекрытии другим объектом. Кроме того, разработанный алгоритм инвариантен по отношению к форме объекта и изменению освещенности среды.

This article is devoted to the development of a neural network tracking system of objects in a video stream. The proposed algorithm allows to define a location of a target object in the current shot of a video stream in real time mode. It is enough for the tracking to provide system with current and previous shots of the video and also a location of the target object on the previous shot. The system is not previously trained for tracking a certain object – a target object is determined at launch of the system. To increase the correctness and the reliability of the system both the methods of object’s tracking and methods of pattern recognition were used. Object shift assessment was realized on the Lucas–Kanade method and the median filter. Object recognition is performed using a convolutional neural network, in particular, by the MobileNet architecture. The paper presents the results of experimental studies based on four video files. The results of the experiments show that the proposed combination of the technologies of object recognition and tracking allows solving the problem of loss of the target at object disappearance or partial overlapping by another object. Moreover, the developed algorithm is invariant in relation to the form of an object and the change of the intensity of environmental illumination.