目標跟蹤技術(shù)是視頻結(jié)構(gòu)化解析的核心技術(shù)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(shù)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(guān)聯(lián)，并根據(jù)關(guān)聯(lián)的信息完成行為判別和分析。單目標跟蹤技術(shù)處理視頻序列中單個目標對象的軌跡關(guān)聯(lián)，多目標跟蹤技術(shù)處理視頻序列所有目標對象的軌跡關(guān)聯(lián)。
近日，大華股份基于深度學習技術(shù)研發(fā)的目標跟蹤技術(shù)，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，超越騰訊優(yōu)圖、商湯等知名 AI 公司和中科院、北大、加州大學、倫敦大學等頂尖的學術(shù)研究機構(gòu)，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(lǐng)域處于世界領(lǐng)先水平。
大華股份在 AI 的核心技術(shù)領(lǐng)域持續(xù)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(lǐng)域取得突破。
關(guān)于 MOT Challenge
Multiple Object Tracking （MOT） 數(shù)據(jù)集由蘇黎世聯(lián)邦理工學院、阿德菜德大學及達姆施塔特工業(yè)大學聯(lián)合創(chuàng)辦的一個算法測評平臺，旨在評測多個行人目標跟蹤技術(shù)在視頻監(jiān)控場景下的算法性能。作為跟蹤領(lǐng)域內(nèi)評測標桿，MOT 吸引了眾多一流 AI 公司和學術(shù)機構(gòu)持續(xù)參與評測。
多目標行人跟蹤任務(wù)
該任務(wù)中的行人數(shù)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(fā)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(yōu)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(chuàng)方法，并運用多模型融合技術(shù)，大幅提升了跟蹤性能。
大華股份的實際產(chǎn)品中，采用該多目標跟蹤技術(shù)的應(yīng)用效果
本次國際競賽大華股份使用的目標跟蹤技術(shù)已廣泛應(yīng)用在公司新推出的智能產(chǎn)品上，尤其是基于數(shù)據(jù)結(jié)構(gòu)化算法的前端攝像機、存儲 NVR 和服務(wù)器產(chǎn)品等。
