杭州2018年8月7日电 /美通社/ -- 人工智能技术的快速发展加速物联网行业的升级，视频结构化智能解析技术能够从海量视频数据中提取价值数据，供进一步数据分析和挖掘，为精准决策提供基础保障，赋能公安、交通、金融、楼宇、零售等各个行业应用。
目标跟踪技术是视频结构化解析的核心技术之一，要重点解决遮挡、形变、光线变化、随机运动、运动过快等难题。同时在解析过程中，需要利用目标跟踪技术降低耗时、提升精度以及减少重复分析。其原理是利用初始的目标定位信息，完成时序中同一目标的关联，并根据关联的信息完成行为判别和分析。单目标跟踪技术处理视频序列中单个目标对象的轨迹关联，多目标跟踪技术处理视频序列所有目标对象的轨迹关联。
近日，大华股份基于深度学习技术研发的目标跟踪技术，刷新了 Multiple Object Tracking (MOT) 竞赛的全球较好成绩，取得了行人多目标跟踪排行榜第一名，超越腾讯优图、商汤等知名 AI 公司和中科院、北大、加州大学、伦敦大学等顶尖的学术研究机构，以及 CVPR 2018年度较佳目标跟踪研究成果，这标志着大华股份在目标跟踪领域处于世界领先水平。
大华股份在 AI 的核心技术领域持续耕耘，不断提升智能算法、算力的核心竞争力。这是大华股份继2018年取得 KITTI 国际竞赛目标检测第一名之后，再次在目标跟踪领域取得突破。
关于 MOT Challenge
Multiple Object Tracking (MOT) 数据集由苏黎世联邦理工学院、阿德菜德大学及达姆施塔特工业大学联合创办的一个算法测评平台，旨在评测多个行人目标跟踪技术在视频监控场景下的算法性能。作为跟踪领域内评测标杆，MOT 吸引了众多一流 AI 公司和学术机构持续参与评测。
多目标行人跟踪任务
该任务中的行人数量多，且视频序列中行人存在大量外观变形，光照变化，快速运动和运动模糊，背景相似干扰，尺度变化，遮挡，低分辨率等难题。大华股份以54.1 MOTA 的分值位列第一。
本次竞赛在大华自主研发的深度学习平台上，汲取了目标检测，人脸识别，以图搜图等算法的优点，改进了深度学习多目标跟踪算法框架，采用特征复用等独创方法，并运用多模型融合技术，大幅提升了跟踪性能。
本次国际竞赛大华股份使用的目标跟踪技术已广泛应用在公司新推出的智能产品上，尤其是基于数据结构化算法的前端摄像机、存储 NVR 和服务器产品等。
