Theo dõi nhiều đối tượng
Tính năng theo dõi đa đối tượng (MOT) theo dõi nhiều đối tượng — người đi bộ, ô tô, người chơi — trên các khung hình của video, mang lại cho mỗi đối tượng một danh tính nhất quán theo thời gian.
Tổng quan
It's the backbone of autonomous driving perception, sports analytics, and smart-city traffic monitoring.
Lặn sâu
Câu trả lời theo dõi nhiều đối tượng không chỉ là 'có gì trong mỗi khung hình' mà còn 'phát hiện đối tượng nào trong khung hai là đối tượng giống như trong khung một.' Mô hình chủ đạo là theo dõi bằng phát hiện: một trình phát hiện đối tượng (như YOLO) tìm các hộp giới hạn ở mỗi khung hình, sau đó trình theo dõi liên kết chúng theo thời gian thành các quỹ đạo. SORT kết hợp bộ lọc Kalman, dự đoán vị trí mỗi đối tượng sẽ di chuyển, với thuật toán Hungary để khớp hộp tối ưu. DeepSORT bổ sung thêm tính năng nhúng giao diện đã học để các đối tượng có thể được xác định lại sau khi bị tắc. ByteTrack đã cải thiện độ chính xác bằng cách liên kết các phát hiện có độ tin cậy thấp thay vì loại bỏ chúng. Những khó khăn chính là tắc nghẽn, chuyển đổi nhận dạng (hoán đổi ID khi các đối tượng đi qua), cảnh đông đúc và các đối tượng đi vào hoặc rời khỏi khung hình.
Hiểu biết kỹ thuật
Trình theo dõi duy trì 'đường đi' cho từng đối tượng bằng mô hình chuyển động. Bộ lọc Kalman dự đoán vị trí tiếp theo của từng bản nhạc; các phát hiện mới được so khớp với dự đoán bằng cách tính toán chi phí (chồng chéo/IoU cộng với độ tương tự về ngoại hình) và giải bài tập bằng thuật toán Hungary. Các phần nhúng giao diện — vectơ đặc trưng nhỏ gọn từ mạng nhận dạng lại — cho phép hệ thống khôi phục danh tính chính xác sau khi một đối tượng bị ẩn trong thời gian ngắn, ngăn chặn việc chuyển đổi ID mà các mô hình chuyển động thuần túy gặp phải trong các cảnh đông đúc.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của việc theo dõi nhiều đối tượng
Quá trình theo dõi đang hướng tới các mô hình máy biến áp đầu cuối (như TrackFormer và MOTR) cùng phát hiện và liên kết các đối tượng trong một mạng, loại bỏ giai đoạn đối sánh dễ bị điều chỉnh bằng tay. Mong đợi tính năng theo dõi 3D và nhiều camera mạnh mẽ hơn dành cho các phương tiện tự lái và các địa điểm lớn, cộng với tính năng theo dõi các đối tượng có từ vựng mở, tùy ý thay vì các danh mục cố định. Khả năng tái nhận dạng lâu dài tốt hơn và khả năng chống chọi với tình trạng tắc nghẽn nặng nề và đám đông vẫn là các mục tiêu tích cực, ngày càng được hỗ trợ bởi các mô hình nền tảng cung cấp các tính năng hình ảnh phong phú.
Triển khai trong thế giới thực
Nhận thức về xe tự động theo dõi các ô tô xung quanh, người đi xe đạp và người đi bộ để dự đoán đường đi của họ và tránh va chạm
Phân tích thể thao theo dõi mọi cầu thủ và bóng để tính toán khoảng cách được bao phủ, đội hình và chỉ số kiểm soát bóng
Hệ thống giao thông thành phố thông minh đếm và theo dõi các phương tiện để đo lưu lượng, phát hiện tắc nghẽn và tín hiệu thời gian
Phân tích bảo mật và bán lẻ theo dõi chuyển động của người mua hàng qua cửa hàng hoặc mọi người thông qua trung tâm trung chuyển
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Multi-Object Tracking quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Phát hiện đối tượng
Câu hỏi thường gặp
What is Multi-Object Tracking?
Tính năng theo dõi đa đối tượng (MOT) theo dõi nhiều đối tượng — người đi bộ, ô tô, người chơi — trên các khung hình của video, mang lại cho mỗi đối tượng một danh tính nhất quán theo thời gian. Đó là xương sống của nhận thức lái xe tự động, phân tích thể thao và giám sát giao thông thành phố thông minh.
Mục tiêu cốt lõi của theo dõi đa đối tượng là gì?
Bộ GTVT chỉ định và duy trì một ID nhất quán cho từng đối tượng khi nó di chuyển qua video, liên kết các phát hiện theo thời gian thành quỹ đạo.
Mô hình 'theo dõi bằng phát hiện' bao gồm những gì?
Theo dõi bằng cách phát hiện chạy trình phát hiện đối tượng ở mỗi khung hình và sau đó liên kết các hộp kết quả theo thời gian thành các rãnh liên tục.
Bộ lọc Kalman đóng vai trò gì trong các trình theo dõi như SORT?
Bộ lọc Kalman mô hình hóa chuyển động của từng đối tượng và dự đoán vị trí tiếp theo của nó, sau đó khớp với các phát hiện mới.
DeepSORT đã thêm gì vào SORT?
DeepSORT đã giới thiệu các vectơ đặc trưng ngoại hình để các đối tượng có thể được nhận dạng lại sau khi bị ẩn trong thời gian ngắn, giúp giảm thiểu việc chuyển đổi nhận dạng.
'Công tắc nhận dạng' trong theo dõi đa đối tượng là gì?
Chuyển đổi danh tính xảy ra khi trình theo dõi gán lại ID không chính xác giữa các đối tượng, thường là khi chúng trùng nhau hoặc giao nhau trong những khung cảnh đông đúc.