字體:小 中 大 | |
|
|
2022/08/17 10:02:42瀏覽1010|回應0|推薦5 | |
相信大家都看過YouTube上面類似的動態目標追蹤視訊,就是從影片畫面上辨識出車輛或行人,用動態的矩形框框標示出來。現在大多數都會說是用CNN,就是類神經網路的技術做的!但實際上更早之前就已經有不少在動態影像中追蹤目標的技術,沒說非用CNN不可! 事實上如YOLO等奠基於CNN的技術,比較強調從單一靜態影像中就看出各種目標,傳統的動態追蹤則強調前景與背景的觀念,背景就是連續影像中不動的部分,前景就是有在移動的目標了!我們其實幾年前就做過違規轉彎的科技執法專案,但是用的是傳統方法,完全沒用CNN或ML的! 原因很簡單,我們要監看的是違規的「動作」!因此不管背景多複雜,有多少車輛或行人,重點都不是他(它)們是甚麼目標?而是有哪個移動目標的路徑違規了!如果只偵測畫面中移動的部分資訊,當然運算量會比全圖抓特徵來分析少很多!用CNN呢?每張影像都必須獨立處理,理論上的計算量就會多出很多! 科技執法中辨識目標找到路徑其實運算量還算比較少的,重點是一定要辨識出車牌!沒有車牌罰單就不知道要開給誰了?如上的案例,其實持續辨識車牌的運算量是追蹤整輛車目標的兩到三倍!我們是分別用兩個不同的執行緒運算的!如果動態目標範圍內有清晰的車牌,我們就知道這個軌跡的主人了! 如果他的動作合法就沒事,如果他違規轉彎了,雖然一轉彎我就看不到車牌了,但是從軌跡連續性,我們還是知道他是同一輛車,擷取過程中的幾張照片就可以證明違規開罰單了!其實這種軟體比較難的部分還是車牌辨識,要在道路情境中連續穩定的辨識車牌是需要較高技術的,也正好是我們公司的強項。 我比較感冒的還是大家一看到我們的這種產品又會說是甚麼CNN了?其實完全不必使用CNN,用一小段時間累積的連續影像建立背景,目前影像減去背景,前景目標就很清楚地浮現了!如果你用CNN的話,後面那一排大石頭,還有地面標線與告示牌等等目標,在每一張影像都會被處理抓到一次的!非常耗電不環保的! 反之,用我們的軟體,其實只要一台普通規格的電腦就夠做一個上述路口的違規轉彎監看了!如果是較複雜的路口呢?頂多也只需要一台i7電腦,加上兩百萬畫素的攝影機就綽綽有餘了!大家必須知道:軟體好不好?是不是恰好適用?關係到的是系統運作的成本! 如果跟你講有用到很多GPU的系統,其實是暗示他們的運算量很大!如果這種工作其實可以不必做太大量的運算,就可以達到需求,運算越少的才是越好的系統!不要太迷信所謂的新潮AI技術了!通常那些都是錢坑!不只買的時候貴,運轉起來還會更貴!耗電嘛! |
|
( 心情隨筆|工作職場 ) |