近日，在第三屆遙感圖像稀疏表征與智能分析競賽中，大華股份自主開發的遙感圖像目標跟蹤算法，獲得了目標跟蹤精度排行榜第一的好成績1，2。大華從2000多個AI公司及頂尖的學術研究團隊中脫穎而出，取得標志性突破，彰顯了公司在遙感圖像等前沿技術領域開拓的創新能力。

　　該競賽由國家自然科學基金委信息科學部、“空間信息網絡基礎理論與關鍵技術”重大研究計劃指導專家組主辦，吸引了11個國家,115個城市2191支來自各大高校、研究所與科技公司相關領域研究團隊參賽。

　　圖一 城市遙感圖像

　　1官方鏈接：rscup.bjxintong.com.cn/?from=groupmessage#/theme/5

　　2 UZI：大華股份先進技術研究院團隊

　　遙感技術 時代新挑戰

　　遙感技術，借助人造衛星、航天飛機、空間實驗室等探測儀器，從遠距離(4000km~600km)獲取目標物體的電磁波信息，通過對該信息的傳輸、修正、處理、分析，形成一個多層次、多視角、多領域的觀測體系，廣泛應用于資源勘探、環境監測、公共安全等多個領域。

　　由于遙感圖像具有尺度多樣性、高空俯視視角、小目標、多方向、背景復雜度高等特性，同時對算法效率要求嚴苛，因此遙感圖像智能分析極具挑戰性。為了進一步提升空間信息的鏈路傳輸效率與實際應用能力，各研究機構大力發展遙感圖像智能分析技術，借助圖像處理、機器學習、深度學習等算法理論，實現場景分類、語義分割、目標檢測、目標跟蹤等功能。

　　圖二 遙感圖像智能分析(語義分割、目標檢測、目標跟蹤)

　　大華積極開拓遙感技術創新研究

　　大華股份在AI核心技術領域持續耕耘，不斷提升智能算法、算力的核心競爭力。經過長期的技術積累，大華股份在2D車輛目標檢測、MOT跟蹤、實例分割、語義分割等多項國際競賽中的多個技術領域取得優異成績。大華AI核心技術與遙感圖像智能分析領域所需技術高度契合，公司AI團隊針對遙感圖像新領域的技術研究，首先從目標跟蹤開始，并逐漸向目標檢測、語義分割、場景分類等其它細分方向拓展。

　　針對遙感圖像的特殊性，大華股份AI團隊，首先在SiamRPN++算法基礎上進行優化與改進。不僅在模板分支引入注意力機制、建立模板空間、數據增廣、均衡負樣本采樣、引入LCT策略(目標丟失判斷、運動趨勢預測、重檢測)方面實現優化，還對當前基于孿生網絡跟蹤框架的發展趨勢進行分析，提出一種SiamCRPN++算法，框架上引入級聯的RPN結構，融合多層卷積特征，并通過不同訓練方式使得RPN具有不同的特性。

　　(a)目標受到遮擋物及背景干擾物影響下的跟蹤效果

　　(b)目標大范圍旋轉情況下的跟蹤效果

　　圖三 遙感圖像目標跟蹤結果展示

　　遙感技術隨著空間信息網絡體系的不斷發展，高空間分辨率、高時間分辨率、高光譜分辨率、高分數據的體系已經基本形成，空間信息網絡平臺數據量急劇增加，為遙感應用奠定了堅實基礎。將深度學習技術引入遙感數據解譯應用中，將大幅提升遙感數據的自動化處理與分析能力，快速精準地實現遙感數據翻譯，可應用于包括道路提取、地形地貌分類、土地利用分類、建筑物提取等多個遙感應用場景。人工智能將賦予遙感產業新的活力。

    更多信息請查看企業專區：http://m.hai34.com/cp53846