作為具備算法定制開發(fā)的公司，成都慧視之前的目標跟蹤算法均是采用相關(guān)跟蹤，通過在線更新分類模型來實現(xiàn)目標的定位跟蹤。即以當前幀目標區(qū)域為正樣本，背景區(qū)域為負樣本，基于機器學習或其他方法訓練分類器，后續(xù)幀用訓練好的分類器尋找最優(yōu)區(qū)域。

但是這樣的算法在很多場景下會出現(xiàn)高概率的丟失目標，所以在經(jīng)過我司算法工程師的努力下，新一代單目標 AI 跟蹤算法：基于檢測 + 跟蹤聯(lián)合優(yōu)化的高效跟蹤方案面世。

該算法以目標檢測 + 目標跟蹤為核心技術(shù)路線，針對傳統(tǒng)單目標跟蹤在復雜場景下易漂移、魯棒性不足、速度與精度難以兼顧等問題，進行了從結(jié)構(gòu)到策略的全面優(yōu)化，實現(xiàn)了跟蹤性能與實用性的顯著提升。

算法整體思路

本算法采用檢測驅(qū)動跟蹤、跟蹤輔助檢測的聯(lián)合推理架構(gòu)，通過檢測與跟蹤模塊的信息互補與置信度融合，在保證實時性的同時，大幅提升跟蹤框穩(wěn)定性與抗干擾能力。

相比傳統(tǒng)跟蹤算法的主要提升

在遮擋、尺度變化、快速運動、背景雜亂等典型困難場景下，較傳統(tǒng)方法有大幅度提升。

抗遮擋與重捕獲能力更強

傳統(tǒng)跟蹤在目標被遮擋后極易丟失，本算法依靠檢測模塊的主動重檢機制，可在遮擋消失后快速找回目標，大幅降低跟蹤失敗率。

實時性更優(yōu)，部署更友好

算法整體結(jié)構(gòu)輕量化，在通用硬件平臺上可實現(xiàn)實時跟蹤推理，相比復雜深度跟蹤模型，速度提升明顯，同時支持嵌入式端與邊緣設(shè)備部署。

場景與目標類型適應更廣

不依賴人工設(shè)計特征，依靠深度特征完成檢測與匹配，對行人、車輛、特定物體等通用單目標均具備良好泛化能力，在多場景數(shù)據(jù)集上表現(xiàn)穩(wěn)定。