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(lián)，并根據(jù)關聯(lián)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(lián)，多目標跟蹤技術處理視頻序列所有目標對象的軌跡關聯(lián)。
近日，大華股份基于深度學習技術研發(fā)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(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，再次在目標跟蹤領域取得突破。
關于 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在視頻監(jiān)控場景下的算法性能。作為跟蹤領域內(nèi)評測標桿，MOT 吸引了眾多一流 AI 公司和學術機構持續(xù)參與評測。
多目標行人跟蹤任務
該任務中的行人數(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，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的應用效果
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(chǎn)品上，尤其是基于數(shù)據(jù)結構化算法的前端攝像機、存儲 NVR 和服務器產(chǎn)品等。
