轨迹识别：CCTV1《加油！向未来》上演“智能机器对决”
2018/11/9 17:22:29紫冬君 中国科学院自动化研究所
本周日晚八点
央视1套《加油!向未来》
将迎来一位球场AI新秀
这位"新人"
有思想、会判断
还能360度无死角守住球门!
长这样？→
对决再度升级!
最具"思想"的AI门将，能否抵挡住最具"智能"的AI发球员？
这是中科院自动化所王金桥团队第三次登上《加油!向未来》的舞台。不同以往，本次挑战再度升级!团队将"人工智能"化身为"足球守门员"，为大家展示最具"思想"的AI足球守门员，它不仅可以"独立判断"，还可以"识破诡计"。"AI守门员"分别从速度，轨迹等多方面接受考验，与强敌"智能发球机"展开激烈对决。
"智能发球员"挑战
实验过程中，智能发球机"绞尽脑汁"，以不同速度、不同难度的"轨迹"逐一向"AI守门员"发难，现场还重现被称为"违反力学原理"的卡洛斯惊世任意球，均被最理智的"AI守门员"逐一精准拦截!
"AI守门员"到底长啥样？周日晚八点，请锁定CCTV-1~
高科技傍身
最具思想的"AI守门员"主要运用的是"目标跟踪与轨迹识别"技术。通过对目标的轨迹预测与追踪，实现对足球的拦截。
---王金桥
轨迹识别技术是王金桥团队多年来深耕的一项关键技术，提出了一系列视觉跟踪和轨迹识别算法。早在CVPR2016(计算机视觉和模式识别国际会议)上提出了多核相关滤波的跟踪方法MKCF(Multi-kernel Correlation Filters)，今年的CVPR2018进一步提出了MKCFup(High-speed Tracking with Multi-kernel Correlation Filters)。目前，基于相关滤波器(CF)的跟踪器在其性能和速度上都处于前列。
尽管如此，只有其中的部分算法，如核相关滤波(KCF)和多核相关滤波(MKCF)，能够利用非线性内核的强大判别性。虽然MKCF通过在KCF中引入多内核学习(MKL)实现了比KCF更强大的判别性，但与KCF相比，其对KCF的改进相当有限且其计算负担显著增加。
考虑到这一点，王金桥课题组以与MKCF不同的方式将MKL引入KCF，即用它的目标函数上限重新构造了CF目标函数的MKL版本，引入历史帧信息的同时能够分别对不同核的更新率进行调整。
图1 高速多核相关滤波跟踪模型
通过联合优化学习跟踪模板和多核加权系数，显著减轻了不同核相互间的负面干扰。算法的训练跟踪流程如图3所示，提取梯度特征和颜色特征构建不同的核并利用循环样本结构在频率加速计算。
图2 不同方法在"OTB2013"上的平均速度
团队设计的新型多核相关滤波跟踪器MKCFup定位性能远远优于KCF和MKCF，并且仍然可以以高速运行。在国际公开数据集OTB2013，OTB100和NfS上的实验结果表明，该方法在和当前利用手工特征的最好的跟踪算法ECO-HC具有相当的性能，且速度是ECO-HC的近4倍，此外在小运动集上是目前已知的最好的手工特征跟踪算法，证明了所提方法的优越性。后续团队对该算法进行了进一步优化，CPU下速度已经达到了175FPS。
图3 不同算法在"OTB2013"小运动数据集上的DP和OP
多领域开花
目前，"目标跟踪和轨迹识别"技术已非常的成熟，现如今已经应用到智能交通、安防、制造、航天航空等多个领域。
---王金桥
目前，目标跟踪和轨迹识别技术已经得到了广泛应用，比如在空中飞行器的对接中，就需要精准计算飞行器的轨迹和卫星的轨迹，从而实现在某个时间点进行相遇和无缝对接。
在无人驾驶中，也要通过实时的轨迹识别技术来判断前后路况信息，以及左右的车辆速度和间距，从而得到最优的前进路径。
军事行动的空中拦截和精准打击中，也需要精确预测空中目标(如飞机、导弹等)的飞行轨迹。预打击和拦截目标的飞行轨迹千变万化，而且很有可能在飞行过程中不断进行无规则的轨迹改变。
这时，仅靠人力进行轨迹跟踪和判断，很难对高速复杂运动的物体进行准时且准确的打击和拦截，就好像足球守门员面对迎面飞来的足球一样，必须通过人工智能的轨迹识别和跟踪技术才能实现精准拦截和精确打击。
更多精彩内容，欢迎关注
中科院自动化所官方网站
http://www.ia.ac.cn
欢迎后台留言、推荐您感兴趣的话题、内容或资讯，小编恭候您的意见和建议!如需转载或投稿，请后台私信。
来源：王金桥
编辑：鲁宁、欧梨成
中科院自动化研究所
微信：casia1956
欢迎搭乘自动化所AI旗舰号!
http://weixin.100md.com
返回 中国科学院自动化研究所 返回首页 返回百拇医药