實(shí)際上,跟蹤和檢測(cè)是分不開的,比如傳統(tǒng)TLD框架使用的在線學(xué)習(xí)檢測(cè)器,或KCF密集采樣訓(xùn)練的檢測(cè)器,以及當(dāng)前基于深度學(xué)習(xí)的卷積特征跟蹤框架。一方面,跟蹤能夠保證速度上的需要,而檢測(cè)能夠有效地修正跟蹤的累計(jì)誤差。不同的應(yīng)用場(chǎng)合對(duì)跟蹤的要求也不一樣,比如特定目標(biāo)跟蹤中的人臉跟蹤,在跟蹤成功率、準(zhǔn)確度和魯棒性方面都有具體的要求。另外,跟蹤的另一個(gè)分支是多目標(biāo)跟蹤(MultipleObjectTracking)。多目標(biāo)跟蹤并不是簡(jiǎn)單的多個(gè)單目標(biāo)跟蹤,因?yàn)樗粌H涉及到各個(gè)目標(biāo)的持續(xù)跟蹤,還涉及到不同目標(biāo)之間的身份識(shí)別、自遮擋和互遮擋的處理,以及跟蹤和檢測(cè)結(jié)果的數(shù)據(jù)關(guān)聯(lián)等。用于安防監(jiān)控及狀態(tài)監(jiān)測(cè)的攝像頭數(shù)量的飛速發(fā)展。放心目標(biāo)跟蹤優(yōu)勢(shì)
通常,遮擋可以分為三種情況:目標(biāo)間遮擋、背景遮擋、自遮擋。對(duì)于目標(biāo)之間的相互遮擋,可以選擇根據(jù)目標(biāo)的位置和目標(biāo)特征的先驗(yàn)知識(shí)來處理這一問題。而對(duì)于場(chǎng)景結(jié)構(gòu)的導(dǎo)致的部分遮擋此方法則難以判斷,因?yàn)殡y以辨認(rèn)究竟是目標(biāo)形狀發(fā)生變化還是發(fā)生遮擋。所以,處理遮擋問題的通用方法是用線性或非線性動(dòng)態(tài)建模方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行,并在目標(biāo)發(fā)生遮擋時(shí),預(yù)測(cè)目標(biāo)的可能位置,一直到目標(biāo)重新出現(xiàn)時(shí)再修正它的位置??梢杂每柭鼮V波器來實(shí)現(xiàn)估計(jì)目標(biāo)的位置,也可以用粒子濾波對(duì)目標(biāo)做狀態(tài)估計(jì)。湖南流暢目標(biāo)跟蹤成都慧視光電技術(shù)有限公司推出基于全國(guó)產(chǎn)化RK3399PRO板的高性能圖像處理板卡。
我們要追蹤的目標(biāo)可以是各式各樣,可能是人類,例如街上的行人、場(chǎng)上的運(yùn)動(dòng)員等等,也可以是汽車、飛機(jī)、船舶,甚至可以是顯微鏡下的細(xì)胞。雖然對(duì)象不盡相同,但是我們都有同一個(gè)目的,那就是想要確定這些目標(biāo)的位置,去向和其他感興趣的特征等等,這就是多目標(biāo)追蹤。研究多目標(biāo)追蹤的歷史,會(huì)發(fā)現(xiàn)首先是在二戰(zhàn)時(shí)用作對(duì)敵機(jī)的預(yù)警系統(tǒng),基本思想是讓雷達(dá)傳感器發(fā)射能量,然后一些能量被飛機(jī)反射回來,再被雷達(dá)捕獲,根據(jù)時(shí)間來推算距離和方位。如今,基于雷達(dá)的對(duì)飛機(jī)的追蹤在民用和非民用領(lǐng)域仍然有很多應(yīng)用。
YOLO單卷積神經(jīng)網(wǎng)絡(luò)在一次評(píng)價(jià)中直接從全圖中預(yù)測(cè)多個(gè)boundingboxes和類概率,在全圖上訓(xùn)練并直接優(yōu)化檢測(cè)性能,同時(shí)學(xué)習(xí)目標(biāo)的泛化表示。然而,YOLO對(duì)邊界框預(yù)測(cè)施加了嚴(yán)格的空間約束,限制了模型可以預(yù)測(cè)的相鄰項(xiàng)目的數(shù)量。成群出現(xiàn)的小物件,如鳥類,對(duì)于此模型也同樣有問題。fasterR-CNN,一個(gè)由全深度CNN組成的單一統(tǒng)一對(duì)象識(shí)別網(wǎng)絡(luò),提高了檢測(cè)的準(zhǔn)確性和效率,同時(shí)減少了計(jì)算開銷。該模型集成了一種在區(qū)域方案微調(diào)之間交替的訓(xùn)練方法,使得統(tǒng)一的、基于深度學(xué)習(xí)的目標(biāo)識(shí)別系統(tǒng)能夠以接近實(shí)時(shí)的幀率運(yùn)行,然后在保持固定目標(biāo)的同時(shí)微調(diào)目標(biāo)檢測(cè)。搭載AI智能算法的跟蹤板如何實(shí)現(xiàn)目標(biāo)識(shí)別及跟蹤?
如今,無人機(jī)在我們生活中的應(yīng)用越來越廣。例如無人機(jī)巡檢安防領(lǐng)域,無人機(jī)能夠到達(dá)人無法觸及的一些角度,能夠很大程度上擴(kuò)大安防檢查的覆蓋面。在工地、電力、化工等行業(yè),晚上巡檢是必不可少的環(huán)節(jié),并且晚上巡檢還能發(fā)現(xiàn)白天無法看到的一些問題,在白天,一般的相機(jī)效果很好,能夠看到非常清晰的監(jiān)控畫面,但是到了晚上,就心有余而力不足。這是因?yàn)橐郧按蠖鄶?shù)相機(jī)都是可見光相機(jī),在晚上光源不佳時(shí),就會(huì)出現(xiàn)成像模糊、漆黑。這種解決辦法是采用紅外熱像儀傳感器,即使在漆黑的夜晚,通過紅外成像也能展現(xiàn)出清晰的畫面。慧視RK3399PRO圖像跟蹤板支持目標(biāo)跟蹤識(shí)別目標(biāo)(人、車)。陜西靠譜的目標(biāo)跟蹤
RK3399處理板如何實(shí)現(xiàn)目標(biāo)的識(shí)別及跟蹤?放心目標(biāo)跟蹤優(yōu)勢(shì)
檢測(cè)器的輸出通常被用作跟蹤設(shè)備的輸入,跟蹤設(shè)備的輸出被提供給運(yùn)動(dòng)預(yù)測(cè)算法,該算法預(yù)測(cè)物體在接下來的幾秒鐘內(nèi)將移動(dòng)到哪里。然而,在無檢測(cè)跟蹤中,情況并非如此?;贒FT的模型要求必須在首幀中手動(dòng)初始化固定數(shù)量的對(duì)象,然后必須在隨后的幀中對(duì)這些對(duì)象進(jìn)行定位。DFT是一項(xiàng)困難的任務(wù),因?yàn)殛P(guān)于要跟蹤的對(duì)象的信息有限,而且這些信息不清楚。結(jié)果,初始邊界框與背景中的感興趣對(duì)象近似,并且對(duì)象的外觀可能隨著時(shí)間的推移而急劇改變。
放心目標(biāo)跟蹤優(yōu)勢(shì)