Blob -seuranta on menetelmä, jolla tietokoneet voivat tunnistaa ja jäljittää objektien liikkeet kuvien sisällä. Möykky on pikseliryhmä, jonka tietokone tunnistaa objektiksi. Ihminen voi esimerkiksi olla möykky. Tämän seurantamenetelmän avulla tietokone voi löytää mölyn sijainnin peräkkäisissä kehyksissä. Käytännössä tietokone näkee kohteen liikkeen, kyvyn, jolla on sovelluksia tietokonepohjaisessa kuva -analyysissä ja tietokonenäön kehittämisessä.
Ennen kuin tietokone voi seurata blobeja, sen on määritettävä ne. Ensimmäinen vaihe blob -seurannassa on luoda ohjelma, joka havaitsee kuvassa olevat blobit. Tietokone löytää möykkyjä ryhmittelemällä pikselit, joilla on samanlaiset valo- tai väriarvot. Todellisessa maailmassa jokaisella pinnalla on hienovaraisia muunnelmia, joten jos tietokone on valinnut vain yhden valo- tai väri -arvon, möykky voi olla vain muutama pikseli, mikä on hyödytöntä, kun yritetään ryhmitellä kuvia hyödyllisiin komponentteihin, jotka edustavat kokonaisia yksiköitä.
Ohjelmoijan vastuulla on luoda möykkyilmaisujärjestelmä, joka jäljittelee ihmissilmän näkemien kohteiden välisiä eroja. Hän tekee tämän kirjoittamalla ohjelmaan toleranssikynnyksen, joka kertoo tietokoneelle suurimman eron blobissa mahdollisesti esiintyvien arvojen välillä. Ohjelmoijat testaavat ja parantavat blob -tunnistusohjelmia, kunnes he voivat tunnistaa kuvien osat oikein.
Seuraavaksi ohjelmoijan on luotava tietokoneelle tapa seurata möykkyjen liikettä. Tämä on vaikeaa, koska tietokone ei voi yksinkertaisesti skannata seuraavaa kehystä samalle möykkylle: möykin muoto ja arvot voivat muuttua liikkuessaan. Esimerkiksi istuva henkilö voi nousta seisomaan. Tietokoneen on tunnistettava uuden kuvan läiskät ja tehtävä merkityksellisiä yhteyksiä kussakin kehyksessä olevien näennäisesti erilaisten läiskien välille. Ohjelmoijat luovat yhtälöitä, jotka määrittävät tekijöiden, kuten sijainnin, koon ja värin, suhteellisen tärkeyden, ja tulokset auttavat sitä päättämään, onko uuden kehyksen möykky tarpeeksi samanlainen kuin edellinen, jotta se voi saada saman tarran.
Blob -seuranta on tehokas työkalu, varsinkin kun se yhdistetään muihin kuvien analysointimenetelmiin. Esimerkiksi tietokoneet tunnistavat alueet, joilla on suuri kontrasti yhden ja seuraavan pikselin välillä havaitakseen reunat. Jotkut ohjelmat käyttävät harjan tunnistusmenetelmiä pinnan muodon määrittämiseen.
Näiden kykyjen ansiosta tietokoneet voivat suorittaa kehittyneitä kuva -analyysejä. Automaattinen järjestelmä voi skannata enemmän kuvia kuin ihmisten arvioijat pystyisivät katsomaan. Käyttämällä työkalupakettiaan, mukaan lukien möykkyseuranta, se voisi tunnistaa kiinnostavat kuvat, jotka vaativat tarkempaa tarkastelua, ja välittää nämä osat ihmiselle.
Toinen blob -seurannan sovellus on tietokonevisio ja robotiikka. Kun tämänkaltaiset tekniikat kehittyvät, robotit voivat hakea kuvista merkityksen tavalla, joka vastaa likimain ihmisen aivojen kuvankäsittelyä. Tietokoneet pystyivät ottamaan vastaan tietoja ilman manuaalista syöttämistä ja saivat enemmän tietoa kuin koskaan ennen. Robotit pystyivät näkemään ympäröivän maailman.