繼拿下MOT17多目標行人跟蹤最好成績后，近日，大華股份以90.77%MOTA的顯著成績，刷新KITTI車輛跟蹤競賽全球排行榜第一 ，超越了其它一流AI公司和頂尖的學術研究機構，以及ICCV、ECCV、CVPR相關論文中的目標跟蹤研究成果，這標志著大華股份在多目標跟蹤領域的競爭力更具雄厚。

(http://www.cvlibs.net/datasets/kitti/eval_tracking.php)

　　關于KITTI:

　　KITTI數(shù)據(jù)集由德國卡爾斯魯厄理工學院和豐田美國技術研究院聯(lián)合創(chuàng)辦，是目前國際上最大的計算機視覺算法評測數(shù)據(jù)集之一。數(shù)據(jù)集用于評測立體匹配(stereo)、光流(flow)、場景流(sceneflow)、視覺里程計(visual odometry)、物體檢測(object detection)和跟蹤(tracking)、道路分割(road)、語義分割(semantics)等計算機視覺技術的性能。KITTI包含市區(qū)、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)據(jù)，每張圖像中最多包含15輛車和30個行人，且存在不同程度的遮擋與截斷。

　　多目標跟蹤:

　　目標跟蹤技術是視頻結構化解析的核心技術之一，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，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)，多目標跟蹤技術則處理視頻序列所有目標對象的軌跡關聯(lián)。

　　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、行人重識別等算法的優(yōu)點，改進了深度學習多目標跟蹤算法框架，采用獨創(chuàng)的基于多層次雙重循環(huán)特征關聯(lián)的神經網絡，并運用多模型特征融合技術，大幅提升了跟蹤性能。

　　在評測中，采用的多目標跟蹤算法效果如下所示：

　　在大華實際產品中的應用

　　本次競賽中使用的技術已在大華股份的智能交通全系列相機、全結構化高清攝像機、存儲NVR、服務器等產品上得到全面應用，有效提升各智能化產品的抓拍性能。同時，該技術也成功應用于人臉人體、車牌車身融合跟蹤的應用中，實現(xiàn)人臉人體、車牌車身等目標復合信息的關聯(lián)，極大豐富了行業(yè)智能化解決方案。

　　該車輛跟蹤技術也是車輛自動駕駛場景下的人工智能核心技術之一，可以大幅提升輔助駕駛和自動駕駛應用中，車輛目標定位和跟蹤的能力。

　　智能交通跟蹤應用場景

　　人臉人體融合應用場景