Resumen

En los últimos años, el seguimiento visual de objetos se ha convertido en un campo de investigación muy activo que se divide principalmente en el seguimiento basado en filtros de correlación y el seguimiento basado en aprendizaje profundo (por ejemplo, redes neuronales convolucionales profundas y redes neuronales siamesas). Para los algoritmos de seguimiento de objetivos basados en aprendizaje profundo, se requiere una gran cantidad de cálculos, generalmente desplegados en tarjetas gráficas costosas. Sin embargo, para los dispositivos de monitoreo enriquecido en Internet de las cosas, es difícil capturar todos los objetivos móviles en cada dispositivo en tiempo real, por lo que es necesario realizar un procesamiento jerárquico y utilizar el seguimiento basado en filtrado de correlación en áreas insensibles para aliviar la presión computacional local. En áreas sensibles, se carga el flujo de video en una plataforma de computación en la nube con una velocidad de cálculo más rápida para realizar un algoritmo basado en características profundas. En este documento, nos enfocamos principalmente en el seguimiento

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Seguimiento de objetos; Seguimiento basado en filtros de correlación; Aprendizaje profundo; Internet de las cosas; Procesamiento jerárquico; Rastreador de espacio de escala discriminativo.
• Keywords:Object tracking; Correlation filter-based tracking; Deep learning; Internet of things; Hierarchical processing; Discriminative scale space tracker