2010年以前,目標(biāo)跟蹤領(lǐng)域大部分采用一些經(jīng)典的跟蹤方法,比如Meanshift、Particle Filter和Kalman Filter,以及基于特征點(diǎn)的光流算法等。Meanshift方法是一種基于概率密度分布的跟蹤方法,使目標(biāo)的搜索一直沿著概率梯度上升的方向,迭代收斂到概率密度分布的局部峰值上。首先Meanshift會(huì)對(duì)目標(biāo)進(jìn)行建模,比如利用目標(biāo)的顏色分布來(lái)描述目標(biāo),然后計(jì)算目標(biāo)在下一幀圖像上的概率分布,從而迭代得到局部密集的區(qū)域。Meanshift適用于目標(biāo)的色彩模型和背景差異比較大的情形,早期也用于人臉跟蹤。由于Meanshift方法的快速計(jì)算,它的很多改進(jìn)方法也一直適用至今?;垡昍K3588圖像處理板能實(shí)現(xiàn)24小時(shí)、無(wú)間隙信息化監(jiān)控。無(wú)源目標(biāo)跟蹤推薦廠家
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(lái)處理這一問(wèn)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(wèn)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(lái)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)。數(shù)據(jù)目標(biāo)跟蹤好選擇智能目標(biāo)識(shí)別及追蹤,讓目標(biāo)無(wú)處可藏。

人工智能的三個(gè)技術(shù)關(guān)鍵點(diǎn):硬件平臺(tái)、軟件功能算法、底層算法異構(gòu)平臺(tái)。硬件平臺(tái)因?yàn)橐紊疃葘W(xué)習(xí)等大規(guī)模并行計(jì)算的需要,這就對(duì)AI芯片的CPU、GPU要求較高以做到更好的儲(chǔ)備數(shù)據(jù)、加速計(jì)算過(guò)程,在做好AI芯片選型后,只需要結(jié)合市場(chǎng)的需求做好電氣接口即可。軟件應(yīng)用算法隨著技術(shù)的積累,大部分廠家基本掌握了應(yīng)用層面的算能,提升空間短期內(nèi)不會(huì)出現(xiàn)大的跳躍。底層軟件異構(gòu)平臺(tái)承載著硬件的選型、應(yīng)用軟件的算能,異構(gòu)平臺(tái)設(shè)計(jì)的優(yōu)劣直接影響著硬件的設(shè)計(jì)水平及算能的實(shí)現(xiàn)能力。目前很多廠商采取使用公用軟件平臺(tái),快速的實(shí)現(xiàn)軟件功能,在AI芯片更新或者替換時(shí),需要重新設(shè)計(jì)開(kāi)發(fā),消耗大量的人力、物力、時(shí)間。
作為社區(qū)的基本單元,小區(qū)是智慧城市建設(shè)的重要一環(huán),而在安防領(lǐng)域,小區(qū)更是守護(hù)家庭的門戶,如何更加高效的守護(hù)小區(qū)安全是社區(qū)創(chuàng)新基層治理的探索方向。經(jīng)過(guò)技術(shù)的不斷革新,智慧安防逐漸成為這個(gè)方向。通過(guò)在小區(qū)傳統(tǒng)人防、物防、技防的基礎(chǔ)上,應(yīng)用人工智能、物聯(lián)網(wǎng)等當(dāng)前先進(jìn)的信息化技術(shù),對(duì)居民小區(qū)安防系統(tǒng)進(jìn)行智能化升級(jí),加強(qiáng)對(duì)社區(qū)人、車、事、物、地、組織“信息進(jìn)行感知”,打造并集成出入口、智能門禁、信息卡口、移動(dòng)巡防、視頻監(jiān)控、報(bào)警聯(lián)防、信息發(fā)布、停車場(chǎng)、訪客、梯控等產(chǎn)品及子系統(tǒng),也包括智慧物管安防綜合平臺(tái),實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一匯聚、統(tǒng)一管理。振動(dòng)測(cè)試是否通過(guò)正是確定板卡能否在這樣的環(huán)境下正常完成工作的關(guān)鍵手段。

隨著社區(qū)等安防向著智能化的進(jìn)一步發(fā)展,越來(lái)越多的領(lǐng)域?qū)鹘y(tǒng)意義上的視頻監(jiān)控提出了更加的嚴(yán)格要求,雖然傳統(tǒng)監(jiān)控系統(tǒng)已經(jīng)可以滿足人們“眼見(jiàn)為實(shí)”的要求,但同時(shí)這種監(jiān)控系統(tǒng)要求監(jiān)控人員不得不始終看著監(jiān)視屏幕,獲得視頻信息,通過(guò)人為的理解和判斷,才能得到相應(yīng)的結(jié)論,做出相應(yīng)的決策。因此,讓監(jiān)控人員長(zhǎng)期盯著眾多的電視監(jiān)視器成了一項(xiàng)非常繁重的任務(wù)。特別在一些監(jiān)控點(diǎn)較多的情況下,監(jiān)控人員幾乎無(wú)法做到完整的監(jiān)控。Viztra-LE034圖像跟蹤板采用國(guó)內(nèi)智能AI芯片。無(wú)源目標(biāo)跟蹤推薦廠家
慧視AI算法是無(wú)人設(shè)備的“眼睛”。無(wú)源目標(biāo)跟蹤推薦廠家
目標(biāo)遮擋是導(dǎo)致跟蹤失敗的一個(gè)重要原因,也是實(shí)現(xiàn)長(zhǎng)程目標(biāo)跟蹤的關(guān)鍵問(wèn)題。跟蹤任務(wù)從始至終都只跟蹤一個(gè)目標(biāo),一旦目標(biāo)被遮擋,則會(huì)極大程度上影響跟蹤準(zhǔn)確度,甚至導(dǎo)致跟蹤失敗。因此,當(dāng)面臨遮擋問(wèn)題時(shí),目標(biāo)跟蹤任務(wù)的要求更加嚴(yán)格。目前,目標(biāo)遮擋可以分為兩種情況:部分遮擋和完全遮擋。部分遮擋意味著在圖像中還存在部分目標(biāo),可以通過(guò)對(duì)這部分的目標(biāo)進(jìn)行判斷進(jìn)而確定目標(biāo)的位置;完全遮擋則是在圖像中找不到目標(biāo),可能發(fā)生在有大的物體完全遮住了跟蹤目標(biāo)?;垡暪怆姷膱D像處理板具有抗遮擋能力。無(wú)源目標(biāo)跟蹤推薦廠家