介绍
自从神经网络开始流行以来,大多数工程师开始使用深度学习方法来解决公共安全领域的许多软件问题。尽管神经网络在检测和识别对象方面没有竞争对手,但它们仍然不能吹嘘分析和推理的能力,而只能创建无法始终被理解或解释的模式。
我们认为,可解释和可预测的方法(例如概率数据关联方法)对于跟踪多个对象将更加有效。
跟踪准确性和我们选择的方法的优势显而易见(在文章的后面):
比较流行的Re3追踪器(左)和我们的组件AcurusTrack(右)
: “ Public Safety Software”. , - . , .
Public Safety , . ( , , ..). , , .
, , ( "" ), , , , ..
, . , , .
, :
, ( ) , , . — . , , , .
N , . F_1, ..., F_N. (detections) D_1,...,D_k, k<=N. i=1,...,N, (id).
, , , . , , iou — intersection over union — k k-1 ; . , , , .
, , , , . , : OY y , O — x, , . , (x, y), i- , (i∗img_w+x, y), img_w — .
, ( OX )
, , EvenVizion, .
. , (data association).
, , - (MCMC).
:
, :
- ;
- EvenVizion;
- ;
- , .
AcurusTrack
, :
- ,
AcurusTrack , :
- : , ;
- .
computer vision. , , .. .
AcurusTrack , , .
, , ( ).
, — GitHub.