機器視覺技術現(xiàn)已廣泛用于監(jiān)控，研究人員正在努力使其變得越來越智能。在對人員進行檢測，識別和跟蹤方面取得了新進展，但是遮擋仍然是人員檢測中的一個眾所周知的問題，您是否在這方面有問題呢？

　　當期望被看見的人或物體被介入的身體或物體部分覆蓋時，發(fā)生遮擋。在擁擠的公共區(qū)域（例如城市廣場），經(jīng)常會擔心遮擋。順便提及，這些區(qū)域通常是機器視覺對保護公眾有用的場所。

　　當人們在人群中看到一個人時，即使該人被其他人部分阻擋，他們也可以識別，重新識別和分類該人。即使有很大一部分人被遮擋，人也可以想象出他的完整外表。

　　構建完整圖像時的挑戰(zhàn)

　　遮擋通常會影響任何機器視覺技術。當機器視覺發(fā)生遮擋時，該對象的那部分是未知的，并且對于大多數(shù)智能監(jiān)控系統(tǒng)而言，如果無法觀察到該遮擋就不存在。用于構造完整圖像的系統(tǒng)須首先知道圖像不完整。

　　遮擋方面的另一個主要挑戰(zhàn)是缺少提供實際遮擋和非遮擋圖像對的大規(guī)模數(shù)據(jù)集。簡單地將隨機對象和紋理添加到非遮擋圖像中無法生成真實數(shù)據(jù)，用此類數(shù)據(jù)訓練神經(jīng)網(wǎng)絡實際上可能是系統(tǒng)的責任。

　　機器視覺和AI克服了遮擋

　　研究人員正在嘗試將人類“填補空白”的能力添加到機器視覺系統(tǒng)中，通過使用深度學習的體系結構以及有無遮擋的人的照片和視頻，AI解決方案現(xiàn)在可以找出丟失的信息并創(chuàng)建人的完整圖像。

　　神經(jīng)網(wǎng)絡體系結構提供了消除人形障礙所需的框架，使用U-net（用于快速準確地分割生物醫(yī)學圖像的卷積神經(jīng)網(wǎng)絡），GANs（用于無監(jiān)督機器學習的生成對抗網(wǎng)絡）和判別性屬性分類網(wǎng)（用于質量檢查） ）使去遮擋成為可能。

　　然后，經(jīng)過優(yōu)化的損失函數(shù)使用上述網(wǎng)絡技術中的數(shù)據(jù)來滿足以下目標：

　　1、形成無遮擋的圖像

　　2、具有與完全可見的“人形”相似的像素水平

　　3、保留原始圖像的相似視覺屬性

　　機器視覺技術的進步為監(jiān)控行業(yè)打開了許多大門，可通過克服遮擋挑戰(zhàn)來提高公共安全性。盈泰德科技在機器視覺方面有多年的生產(chǎn)制造經(jīng)驗，如果您在這方面有需求，我們十分歡迎您來咨詢，獲取解決方案。