近日，大華股份基于深度學(xué)習(xí)的視覺目標(biāo)跟蹤算法，在通用目標(biāo)跟蹤評(píng)測(cè)集GOT-10k（Generic Object Tracking Benchmark）上獲得綜合精度排行榜第一，超越了其它一流AI公司和頂尖的學(xué)術(shù)研究機(jī)構(gòu)；同時(shí)在OTB2015/VOT2018/VOT2019數(shù)據(jù)集上刷新了當(dāng)前跟蹤算法SOTA（state-of-the-art）標(biāo)準(zhǔn)，這標(biāo)志著大華在視覺目標(biāo)跟蹤領(lǐng)域處于領(lǐng)先水平。

大華視覺目標(biāo)跟蹤算法獲得GOT-10K評(píng)測(cè)排行榜第一

(網(wǎng)址: http://got-10k.aitestunion.com/index)

關(guān)于GOT-10k

GOT-10k數(shù)據(jù)集由中國科學(xué)院自動(dòng)化研究所CASIA的智能系統(tǒng)與工程研究中心發(fā)布并維護(hù)，是具有國際權(quán)威的通用目標(biāo)跟蹤算法評(píng)測(cè)數(shù)據(jù)集。其中，訓(xùn)練集由10000個(gè)視頻序列組成，包含563個(gè)目標(biāo)類別與87種運(yùn)動(dòng)模式；測(cè)試集由180個(gè)視頻序列組成，包含84個(gè)目標(biāo)類別與32種運(yùn)動(dòng)模式。訓(xùn)練集與測(cè)試集的目標(biāo)類別不重合，且算法評(píng)估時(shí)要求使用統(tǒng)一的訓(xùn)練數(shù)據(jù)，極具挑戰(zhàn)性，吸引了海內(nèi)外廣大學(xué)者和知名學(xué)術(shù)機(jī)構(gòu)參與。

關(guān)于視覺目標(biāo)跟蹤算法

該算法是為模擬人眼在目標(biāo)運(yùn)動(dòng)估計(jì)及跟蹤方面的能力，給定任意目標(biāo)的初始位置，跟蹤算法負(fù)責(zé)輸出后續(xù)幀中該目標(biāo)的位置與分布狀態(tài)，同時(shí)要適應(yīng)相機(jī)視角變化、環(huán)境變化、遮擋物、周邊干擾物等因素的影響，可廣泛應(yīng)用于智能視頻監(jiān)測(cè)、輔助駕駛系統(tǒng)、人機(jī)交互、機(jī)器人視覺導(dǎo)航等領(lǐng)域。

在本次國際測(cè)評(píng)中，為實(shí)現(xiàn)復(fù)雜環(huán)境下對(duì)運(yùn)動(dòng)目標(biāo)的準(zhǔn)確跟蹤，大華股份RSIA團(tuán)隊(duì)創(chuàng)新使用特征點(diǎn)集取代矩形框進(jìn)行目標(biāo)狀態(tài)估計(jì)，進(jìn)而實(shí)現(xiàn)精細(xì)化的目標(biāo)區(qū)域表述與幾何變換建模能力；在算法框架上使用并行分支結(jié)構(gòu)，結(jié)合多層聚合策略，有效獲取目標(biāo)結(jié)構(gòu)信息與對(duì)抗干擾物的強(qiáng)魯棒性。

基于OTB2015數(shù)據(jù)集的算法評(píng)估結(jié)果

基于VOT2018/VOT2019數(shù)據(jù)集的算法評(píng)估結(jié)果

在大華實(shí)際產(chǎn)品中的應(yīng)用

無人機(jī)自主跟飛功能應(yīng)用

機(jī)器人自主跟隨功能應(yīng)用