新闻中心/

入选IJCNN！高重科技“多目标追踪”论文受国际认可

发布时间：2021-11-05| 浏览量：856

近期，高重科技AI算法团队的一篇论文《Multi-ple ObjectTracking with GRU Association and Kalman Prediction》被人工智能国际学术会议IJCNN2021录用，本论文由高重科技AI与大数据科学家李震博士及蔡孙增博士、王骁逸、算法高级工程师邵汉阳联合美国纽约大学薛年博士和牛亮博士共同撰写。

在本次会议上，由薛博士代表高重科技和纽约大学做论文陈述报告，并且和李震博士一同选为Appli-cations of deep networks V track的session主席。

关于 IJCNN2021

国际神经网络联合大会（International Joint Conference on Neural Networks，IJCNN），是由国际神经网络协会及IEEE计算智能协会联合主办的国际学术会议，迄今已有30多年历史，是神经网络领域的年度旗舰会议（Rank A、CCF-C），旨在聚集相关研究学者进行学术交流。今年是IJCNN的第31届会议，受疫情影响，IJCNN2021以线上会议形式召开，来自世界100多个国家的1000余名学者参加了本次大会，会议围绕近年来人工智能领域的前沿科学问题进行了深入广泛地交流并取得了预期的效果。

钻研MOT新算法高重科技破题创新

“多目标跟踪（MOT）”是对视频图像中的多个感兴趣目标轨迹进行跟踪并提取，并通过时域关联，得到其运动轨迹信息。在视频目标分析、场景剖析、行为事件理解、交通管理及安全防控等应用中，多目标跟踪都是必须解决的关键课题。
“多目标跟踪在视频监控、智能零售、智慧城市等实践应用中是一项实用但具有挑战性的任务，挑战在于如何以有效地对长期时域关联建模。最近的一些研究运用循环神经网络(RNN)，获得不错的效果，但这需要庞大的训练数据。”
论文指出，高重科技AI算法团队提出的方法，是通过结合卡尔曼预测与门控循环单元网络(Gated Recurrent Unit, GRU)，在少量训练数据的条件下实现了性能和效率上的最佳平衡，达到业界领先水平。在国际多目标追踪竞赛(MOT Challange)中在线追踪综合准确率达到国际一流水准，同时也是追踪帧率前十名算法，而且不增加额外的计算成本。

（MOT算法应用了运动模型、外观模型及检测边界框信息

三种模型）

（MOT算法框架流程图）

（使用GRU网络计算追踪目标的匹配矩阵流程图）

（不同MOT算法在MOT17竞赛数据集上的精度对比）

据了解，本次论文的成果已经运用到高重科技民航、金融、智慧城市等多个领域的“行业+AI”解决方案中，实现商业落地。如高重科技为广东某枢纽机场海关打造的 “智慧旅检系统”，依托空港口岸海关综合指挥平台，采集海量旅客通关信息、旅客风险信息、人脸识别信息、行李机检图像、全景视频影像、机场运控信息建立海关旅客监管“大数据池”，充分利用人工智能分析、深度神经网络算法，实现人脸识别、行李追踪、3D全景、视频跟踪等功能，使得海关监管更为高效，守法旅客通关时间同比压缩50%。

大V吴恩达曾经说过，“人工智能研究就像造宇宙飞船。”深度神经网络及其算法帮助机器深度学习，就像飞船上供给能量的强劲引擎，是AI研究的重点，同时也是高重研发团队继续努力、不断提升的阵地。今后，高重科技将会积极探索相关领域，为未来技术打下更重要的基础，也为更好地服务于行业客户不断突破。

新闻中心/

入选IJCNN！高重科技“多目标追踪”论文受国际认可

相关推荐