Разработан ИИ-трекер для удержания целей вне поля зрения камеры
Команда разработчиков создала новый алгоритм отслеживания объектов, который позволяет ИИ-системам удерживать цель в поле зрения даже после её кратковременного исчезновения из кадра.
Новый подход значительно повышает надёжность ведения цели по сравнению с традиционным фильтром Калмана. Если классический метод теряет объект в 84% случаев, когда он пропадает из кадра на 0,75 секунды, то разработанный трекер сохраняет её в 82% эпизодов.
Эффективность нового трекера достигается за счёт предварительного моделирования движения объекта, что позволяет алгоритму прогнозировать его местоположение даже при отсутствии визуальных данных. Это критически важно для систем, где нет возможности использовать дальномеры, а вся информация поступает только с камеры.
Разработка имеет значение для областей, где требуется непрерывное отслеживание объектов, таких как системы безопасности, автономный транспорт и промышленные роботы. Способность ИИ-систем восстанавливать цель после её временного исчезновения из поля зрения камеры без дополнительных датчиков повышает их автономность и надёжность.
Часто задаваемые вопросы
В чём суть нового алгоритма отслеживания целей?
Новый алгоритм позволяет ИИ-системам продолжать отслеживать объекты, даже если они кратковременно исчезают из поля зрения камеры, используя предварительное моделирование движения.
Насколько эффективен разработанный трекер по сравнению с фильтром Калмана?
При кратковременном (0,75 сек) исчезновении цели из кадра, новый трекер теряет её в 18% случаев, тогда как классический фильтр Калмана — в 84%.
В каких сферах применима эта технология?
Технология полезна в системах безопасности, автономном транспорте, промышленных роботах и любых других областях, где требуется надёжное и непрерывное отслеживание объектов только по видеоданным.
Источник: Habr · Rusability ИИ
Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!