继拿下MOT17多目标行人跟踪最好成绩后，近日，大华股份以90.77%MOTA的显著成绩，刷新KITTI车辆跟踪竞赛全球排行榜第一 ，超越了其它一流AI公司和顶尖的学术研究机构，以及ICCV、ECCV、CVPR相关论文中的目标跟踪研究成果，这标志着大华股份在多目标跟踪领域的竞争力更具雄厚。

(http://www.cvlibs.net/datasets/kitti/eval_tracking.php)

　　关于KITTI:

　　KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的计算机视觉算法评测数据集之一。数据集用于评测立体匹配(stereo)、光流(flow)、场景流(sceneflow)、视觉里程计(visual odometry)、物体检测(object detection)和跟踪(tracking)、道路分割(road)、语义分割(semantics)等计算机视觉技术的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多包含15辆车和30个行人，且存在不同程度的遮挡与截断。

　　多目标跟踪:

　　目标跟踪技术是视频结构化解析的核心技术之一，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，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，多目标跟踪技术则处理视频序列所有目标对象的轨迹关联。

　　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、行人重识别等算法的优点，改进了深度学习多目标跟踪算法框架，采用独创的基于多层次双重循环特征关联的神经网络，并运用多模型特征融合技术，大幅提升了跟踪性能。

　　在评测中，采用的多目标跟踪算法效果如下所示：

　　在大华实际产品中的应用

　　本次竞赛中使用的技术已在大华股份的智能交通全系列相机、全结构化高清摄像机、存储NVR、服务器等产品上得到全面应用，有效提升各智能化产品的抓拍性能。同时，该技术也成功应用于人脸人体、车牌车身融合跟踪的应用中，实现人脸人体、车牌车身等目标复合信息的关联，极大丰富了行业智能化解决方案。

　　该车辆跟踪技术也是车辆自动驾驶场景下的人工智能核心技术之一，可以大幅提升辅助驾驶和自动驾驶应用中，车辆目标定位和跟踪的能力。

　　智能交通跟踪应用场景

　　人脸人体融合应用场景