تعتبر متابعة الأهداف المتعددة (MOT) تحديًا كبيرًا في رؤية الحاسوب. على الرغم من تطبيقاتها الواسعة في الروبوتات والقيادة الذاتية والتصنيع الذكي، فإن هناك قلة من الأدبيات التي تتناول التحديات الخاصة بتشغيل MOT على الأجهزة المدمجة. غالبًا ما تعاني أحدث أنظمة MOT المصممة لوحدات المعالجة الرسومية عالية الأداء (GPUs) من معدلات معالجة منخفضة (<11 إطارًا في الثانية) عند نشرها على الأجهزة المدمجة. اقترحت الإطارات الموجودة لـ MOT للأجهزة المدمجة استراتيجيات مثل دمج نموذج الكشف مع نموذج التضمين المميز لتقليل وقت الاستدلال أو الجمع بين متابعين مختلفين لتحسين دقة المتابعة، ولكن هذه الاستراتيجيات غالبًا ما تتسبب في التنازل عن أحدهما مقابل الآخر.يقدم هذا البحث نظام HopTrack، وهو نظام متابعة أهداف متعددة في الوقت الفعلي مصمم خصيصًا للأجهزة المدمجة. يستخدم نظامنا طريقة مطابقة ثابتة ومتحركة مشتتة جديدة وتقنية عينة ديناميكية مرتبطة بالمحتوى مبتكرة لتحسين دقة المتابعة مع الوفاء بمتطلبات الوقت الفعلي. بالمقارنة مع أفضل أساس معدل للوحدة المعالجة الرسومية عالية الأداء (Byte (Embed)) وأفضل الأساس الموجود للأجهزة المدمجة (MobileNet-JDE)، يحقق HopTrack سرعة معالجة تصل إلى 39.29 إطارًا في الثانية على جهاز NVIDIA AGX Xavier بدقة متابعة أهداف متعددة (MOTA) تصل إلى 63.12% على مقاييس MOT16، مما يجعله يتفوق على كلا النظامين بنسبة 2.15% و4.82% على التوالي.بالإضافة إلى ذلك، يتم ربط تحسين الدقة بتخفيض استهلاك الطاقة (20.8%) والطاقة (5%) واستخدام الذاكرة (8%)، وهي موارد حاسمة على الأجهزة المدمجة. كما أن HopTrack لا يعتمد على نوع الكاشف المستخدم، مما يوفر مرونة في استخدام أي كاشف بشكل مباشر دون الحاجة إلى تعديلات إضافية.