網(wǎng)絡(luò)目標(biāo)跟蹤

從軟件的角度來(lái)看，整個(gè)視頻跟蹤系統(tǒng)主要是由電視攝像機(jī)及控制、圖像獲取模塊、圖像顯示模塊、數(shù)據(jù)庫(kù)，運(yùn)動(dòng)檢測(cè)，目標(biāo)跟蹤，報(bào)警輸入和人機(jī)接口模塊等組成的。視覺(jué)計(jì)算模塊是視頻跟蹤系統(tǒng)的重點(diǎn)，是實(shí)現(xiàn)目標(biāo)檢測(cè)和跟蹤的關(guān)鍵，如圖3所示。一般采取先檢測(cè)后跟蹤(Detect-before-Track)方式，目標(biāo)的檢測(cè)和跟蹤是緊密結(jié)合的。檢測(cè)是跟蹤的前因，并為跟蹤提供了目標(biāo)的信息(如目標(biāo)的位置，大小，模式和速度估計(jì)等)，而跟蹤則是檢測(cè)的延續(xù)，實(shí)時(shí)利用檢測(cè)得到的知識(shí)去驗(yàn)證目標(biāo)的存在。RK3399圖像處理板是我司自主研發(fā)的目標(biāo)跟蹤板，該板卡采用國(guó)產(chǎn)高性能CPU，搭載自研目標(biāo)跟蹤及跟蹤算法。網(wǎng)絡(luò)目標(biāo)跟蹤

視覺(jué)跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域（人工智能分支）的一個(gè)重要課題，有著重要的研究意義；且在導(dǎo)彈制導(dǎo)、視頻監(jiān)控、機(jī)器人視覺(jué)導(dǎo)航、人機(jī)交互、以及醫(yī)療診斷等許多方面有著廣泛的應(yīng)用前景。隨著研究人員不斷地深入研究，視覺(jué)目標(biāo)跟蹤在近十幾年里有了突破性的進(jìn)展，使得視覺(jué)跟蹤算法不只是局限于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，更是結(jié)合了近些年人工智能熱潮—深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）和相關(guān)濾波器等方法，并取得了魯棒（robust）、精確、穩(wěn)定的結(jié)果。網(wǎng)絡(luò)目標(biāo)跟蹤慧視RV1126圖像跟蹤板支持目標(biāo)跟蹤識(shí)別目標(biāo)（人、車）。

在深度學(xué)習(xí)中，解決訓(xùn)練數(shù)據(jù)不足常用的一個(gè)技巧是“預(yù)訓(xùn)練-微調(diào)”（Pretraining-finetune），即大數(shù)據(jù)集上面預(yù)訓(xùn)練模型，然后在小數(shù)據(jù)集上去微調(diào)權(quán)重。但是，在訓(xùn)練數(shù)據(jù)極其稀少的時(shí)候（只有個(gè)位數(shù)的訓(xùn)練圖片），這個(gè)技巧是無(wú)法奏效的。圖2展示了一個(gè)檢測(cè)模型預(yù)訓(xùn)練過(guò)后，在單張訓(xùn)練圖片上微調(diào)的過(guò)程：盡管訓(xùn)練集上逐漸收斂，但是檢測(cè)器仍無(wú)法檢測(cè)出測(cè)試圖片中的物體。這反映出了“預(yù)訓(xùn)練-微調(diào)”框架的泛化能力不足。利用SpeedDP經(jīng)過(guò)大量的數(shù)據(jù)訓(xùn)練后，機(jī)器就能夠精確檢測(cè)跟蹤圖像中的物體。

跟蹤任務(wù)與檢測(cè)任務(wù)有著密切的關(guān)系。從輸入輸出的形式上來(lái)看，這兩個(gè)任務(wù)是極為相似的。它們均以圖片（或者視頻幀）作為模型的輸入，經(jīng)過(guò)處理后，輸出一堆目標(biāo)物置的矩形框。它們之間比較大的區(qū)別體現(xiàn)在對(duì)“目標(biāo)物體”的定義上。對(duì)于檢測(cè)任務(wù)來(lái)說(shuō)，目標(biāo)物體屬于預(yù)先定義好的某幾個(gè)類別，如圖1左圖所示；而對(duì)于跟蹤任務(wù)來(lái)說(shuō)，目標(biāo)物體指的是在首幀中所指定的跟蹤個(gè)體，如圖1右圖所示。實(shí)際上，如果我們將每一個(gè)跟蹤的個(gè)體當(dāng)成是一個(gè)類別的話，跟蹤任務(wù)甚至能被當(dāng)成是一種特殊的檢測(cè)任務(wù)，稱為個(gè)體檢測(cè)（Instance Detection）。成都智能化目標(biāo)跟蹤供應(yīng)商。

目標(biāo)運(yùn)動(dòng)估計(jì)是根據(jù)目標(biāo)在過(guò)去的位置對(duì)目標(biāo)的運(yùn)動(dòng)規(guī)律加以總結(jié)，并以此對(duì)目標(biāo)將來(lái)的運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)。正確的預(yù)測(cè)，可以縮小匹配的計(jì)算區(qū)域，大幅的降低匹配計(jì)算量。在視頻跟蹤系統(tǒng)中由于被跟蹤的目標(biāo)處于運(yùn)動(dòng)狀態(tài)，為了把目標(biāo)始終保持在攝像機(jī)視野之內(nèi)，必須對(duì)攝像機(jī)加以控制。在實(shí)際應(yīng)用中，攝像機(jī)被固定在云臺(tái)上，云臺(tái)本身不做平移運(yùn)動(dòng)，但可以控制云臺(tái)進(jìn)行水平擺動(dòng)和上下俯仰，從而帶動(dòng)攝像機(jī)做相應(yīng)運(yùn)動(dòng)。所以，對(duì)攝像機(jī)的控制就是對(duì)云臺(tái)的控制。慧視光電對(duì)RV1126跟蹤板進(jìn)行二次開(kāi)發(fā)，實(shí)現(xiàn)AI智能應(yīng)用。流暢目標(biāo)跟蹤哪里買

慧視RK3399圖像跟蹤板支持目標(biāo)跟蹤識(shí)別目標(biāo)（人、車）。網(wǎng)絡(luò)目標(biāo)跟蹤

目標(biāo)跟蹤算法具有不同的分類標(biāo)準(zhǔn)，可根據(jù)檢測(cè)圖像序列的性質(zhì)分為可見(jiàn)光圖像跟蹤和紅外圖像跟蹤；又可根據(jù)運(yùn)動(dòng)場(chǎng)景對(duì)象分為靜止背景目標(biāo)跟蹤和運(yùn)動(dòng)背景下的目標(biāo)跟蹤。由于基于區(qū)域的目標(biāo)跟蹤算法用的是目標(biāo)的全局信息，比如灰度、色彩、紋理等。因此當(dāng)目標(biāo)未被遮擋時(shí)，跟蹤精度非常高、跟蹤非常穩(wěn)定，對(duì)于跟蹤小目標(biāo)效果很好，可信度高。但是在灰度級(jí)的圖像上進(jìn)行匹配和全圖搜索，計(jì)算量較大，非常費(fèi)時(shí)間，所以在實(shí)際應(yīng)用中實(shí)用性不強(qiáng)；其次，算法要求目標(biāo)不能有太大的遮擋及其形變，否則會(huì)導(dǎo)致匹配精度下降，造成運(yùn)動(dòng)目標(biāo)的丟失。網(wǎng)絡(luò)目標(biāo)跟蹤