人工智能技術的快速發展加速物聯網行業的升級，視頻結構化智能解析技術能夠從海量視頻數據中提取價值數據，供進一步數據分析和挖掘，為精準決策提供基礎保障，賦能公安、交通、金融、樓宇、零售等各個行業應用。
目標跟蹤技術是視頻結構化解析的核心技術之一，要重點解決遮擋、形變、光線變化、隨機運動、運動過快等難題。同時在解析過程中，需要利用目標跟蹤技術降低耗時、提升精度以及減少重復分析。其原理是利用初始的目標定位信息，完成時序中同一目標的關聯，并根據關聯的信息完成行為判別和分析。單目標跟蹤技術處理視頻序列中單個目標對象的軌跡關聯，多目標跟蹤技術處理視頻序列所有目標對象的軌跡關聯。
近日，大華股份基于深度學習技術研發的目標跟蹤技術，刷新了Multiple Object Tracking （MOT）競賽的全球最好成績，取得了行人多目標跟蹤排行榜第一名，超越其它一流的AI公司和頂尖的學術研究機構，以及CVPR 2018年度最佳目標跟蹤研究成果，這標志著大華股份在目標跟蹤領域處于世界領先水平。
大華股份在AI的核心技術領域持續耕耘，不斷提升智能算法、算力的核心競爭力。這是大華股份繼2018年取得KITTI國際競賽目標檢測第一名之后，再次在目標跟蹤領域取得突破。
關于MOT Challenge
Multiple Object Tracking （MOT）數據集由蘇黎世聯邦理工學院、阿德菜德大學及達姆施塔特工業大學聯合創辦的一個算法測評平臺，旨在評測多個行人目標跟蹤技術在視頻監控場景下的算法性能。作為跟蹤領域內評測標桿，MOT吸引了眾多一流AI公司和學術機構持續參與評測。
多目標行人跟蹤任務
該任務中的行人數量多，且視頻序列中行人存在大量外觀變形，光照變化，快速運動和運動模糊，背景相似干擾，尺度變化，遮擋，低分辨率等難題。大華股份以54.1 MOTA的分值位列第一。
本次競賽在大華自主研發的深度學習平臺上，汲取了目標檢測，人臉識別，以圖搜圖等算法的優點，改進了深度學習多目標跟蹤算法框架，采用特征復用等獨創方法，并運用多模型融合技術，大幅提升了跟蹤性能。
△源自：https://motchallenge.net/results/MOT17
在大華股份的實際產品中，采用該多目標跟蹤技術的應用效果圖如下:
本次國際競賽大華股份使用的目標跟蹤技術已廣泛應用在公司新推出的智能產品上，尤其是基于數據結構化算法的前端攝像機、存儲NVR和服務器產品等。
|
