目標(biāo)跟蹤(Target Tracking)是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域比較活躍的研究方向之一,它包含從目標(biāo)的圖像序列中檢測(cè)、分類、識(shí)別、跟蹤并對(duì)其行為進(jìn)行理解和描述,屬于圖像分析和理解的范疇。從技術(shù)角度而言,目標(biāo)跟蹤的研究?jī)?nèi)容相當(dāng)豐富,主要涉及到模式識(shí)別、圖像處理、計(jì)算機(jī)視覺(jué)、人工智能等學(xué)科知識(shí);同時(shí),動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)的快速分割、目標(biāo)的非剛性運(yùn)動(dòng)、目標(biāo)自遮擋和目標(biāo)之間互遮擋的處理等問(wèn)題也為目標(biāo)跟蹤研究帶來(lái)了一定的挑戰(zhàn)。由于目標(biāo)跟蹤在視頻會(huì)議、安全監(jiān)控、導(dǎo)彈制導(dǎo)、醫(yī)療診斷、高級(jí)人機(jī)交互及基于內(nèi)容的圖像存儲(chǔ)與檢索等方面具有廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價(jià)值。RK3399搭載AI智能算法,實(shí)現(xiàn)目標(biāo)識(shí)別與跟蹤??焖倌繕?biāo)跟蹤產(chǎn)品
另外,經(jīng)典的跟蹤方法還有基于特征點(diǎn)的光流跟蹤,在目標(biāo)上提取一些特征點(diǎn),然后在下一幀計(jì)算這些特征點(diǎn)的光流匹配點(diǎn),統(tǒng)計(jì)得到目標(biāo)的位置。在跟蹤的過(guò)程中,需要不斷補(bǔ)充新的特征點(diǎn),刪除置信度不佳的特征點(diǎn),以此來(lái)適應(yīng)目標(biāo)在運(yùn)動(dòng)中的形狀變化。本質(zhì)上可以認(rèn)為光流跟蹤屬于用特征點(diǎn)的來(lái)表征目標(biāo)模型的方法。在深度學(xué)習(xí)和相關(guān)濾波的跟蹤方法出現(xiàn)后,經(jīng)典的跟蹤方法都被舍棄,這主要是因?yàn)檫@些經(jīng)典方法無(wú)法處理和適應(yīng)復(fù)雜的跟蹤變化,它們的魯棒性和準(zhǔn)確度都被前沿的算法所超越,但是,了解它們對(duì)理解跟蹤過(guò)程是有必要的,有些方法在工程上仍然有十分重要的應(yīng)用,常常被當(dāng)作一種重要的輔助手段。安徽移動(dòng)目標(biāo)跟蹤AI算法賦能下的圖像處理板能夠進(jìn)行目標(biāo)識(shí)別。
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。可以用卡爾曼濾波器來(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)。
視頻自動(dòng)跟蹤系統(tǒng),一般都是用在露天的、較大地域范圍的監(jiān)控系統(tǒng)中,且邊跟蹤邊錄像。在自動(dòng)跟蹤系統(tǒng)的發(fā)展上,jun用上的視頻自動(dòng)跟蹤、毫米波雷達(dá)跟蹤以及激光雷達(dá)跟蹤等是比較成熟的;非jun用領(lǐng)域,存在一些固定畫面、攝像機(jī)從不運(yùn)動(dòng)的的目標(biāo)檢測(cè)與跟蹤系統(tǒng);基于帶紅外線的、常用在演播室或者會(huì)議室的、很近距離的跟蹤系統(tǒng),目前主要局限于簡(jiǎn)單背景(如室內(nèi)環(huán)境下)、大目標(biāo)(即目標(biāo)在視頻圖像中占較大區(qū)域),而且一般無(wú)法實(shí)現(xiàn)控制攝像機(jī)轉(zhuǎn)動(dòng)來(lái)對(duì)目標(biāo)進(jìn)行跟蹤。Viztra-LE034圖像跟蹤板支持目標(biāo)跟蹤識(shí)別目標(biāo)(人、車)。
實(shí)際上,跟蹤和檢測(cè)是分不開(kāi)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。圖像識(shí)別跟蹤在邊海防領(lǐng)域應(yīng)用前景廣闊!快速目標(biāo)跟蹤產(chǎn)品
成都慧視開(kāi)發(fā)的RK3588跟蹤板怎么樣啊?快速目標(biāo)跟蹤產(chǎn)品
對(duì)于目標(biāo)被暫時(shí)遮擋的情況,通過(guò)設(shè)定目標(biāo)狀態(tài)為暫時(shí)丟失狀態(tài),并以上一次目標(biāo)的位置和速度繼續(xù)對(duì)后續(xù)的目標(biāo)位置進(jìn)行預(yù)測(cè),在后續(xù)圖像中可以再次重新找回目標(biāo)。在攝像機(jī)控制時(shí),采取估計(jì)提前量的控制策略也對(duì)跟蹤有很大的幫助??刂茢z像機(jī),使目標(biāo)提前擺到視野中目標(biāo)運(yùn)動(dòng)方向的另一側(cè),可以為以后的跟蹤贏得更多的跟蹤時(shí)間和機(jī)會(huì)。在本實(shí)驗(yàn)序列中尤為明顯,目標(biāo)基本上保持由左上向右下運(yùn)動(dòng)的趨勢(shì),根據(jù)對(duì)目標(biāo)速度的估計(jì),則攝像機(jī)提前將目標(biāo)定為視野中心偏上偏左的區(qū)域,對(duì)目標(biāo)運(yùn)動(dòng)加提前估計(jì)量。快速目標(biāo)跟蹤產(chǎn)品