面向交通流目标检测+跟踪 想做成落地服务，有什么好的建议吗？

应用场景是江面上船的交通流吗？

@mathzhaoliang 车 船 行人 甚至 畜牧场 草原的动物 都可以

@mathzhaoliang 还有密集物体的快速数量统计和交通密度估计以评估 jam 值

个人做这个没有优势啊 有需求的基本自己做了 或者找知名的一些公司接入

这个跟我的车载定位器相似

@clemente0620 你能说一下，你是怎么解决车辆轨迹和速度预测的吗？我觉得车辆和船的场景差别很大。

@mathzhaoliang 因为摄像头是固定距离的 透视仿射处理后 像素移动的真实速度估值 , 车辆轨迹预测是很简单的网络拟合估计

@clemente0620 几个问题你思考一下应该怎么解决：

1. 选取哪个像素来进行透视变换？
2. 透视变换投影的结果是相机焦点与像素的连线与地面交线，一般会落在车辆的后面。
3. 神经网络检测车辆的时候给出的 bounding box 会有抖动，你怎么消除这个抖动？
4. 交通场景里面经常有车辆的加速减速，车辆的错车会车，你怎么解决追踪 id 丢失和切换的问题？

目前你这些功能，国外的游艇会应该比较感兴趣。可以监测进出的游艇船只数量。如果测速准的话，水警可以开罚单。

@pascalsun 国产激光雷达可以完成这个需求，而且预算低

@mathzhaoliang

1. 最好转换成俯视图来做，透视转换矩阵也只能随机去尝试，很难找到最优
2. 通过变换，将视频画面转换成“俯视视角”（站在道路上方俯视道路）。经过这种变换之后，路面所有的运动目标都可以看作是 2D 平面运动，变换之后的每像素所代表的实际物理距离固定不变（米 /像素）。这样一来，计算实际物理速度就非常简单了，先计算像素速度，然后再乘以一个固定值即可得到实际物理速度。当然这是有误差的 10% ++
3. 整体滑动平均 或者 从主干网络选型上着手
4. 这条可以选择 仿照 交通监控灯的布置 （行驶道平行视角的 45 度角斜射摄像头摆放）这样能最大程度获取有效特征，避免遮挡沾粘

@mathzhaoliang 实际上，船要比车难做，因为满载的船特征区别度不大，可能在某些视角上看 就是一条细长的长条矩形，比如我视频后段，那条船是集装箱+矿砂两用内河船，前半段特征是内河船，后半段集装箱明显，所以造成了来回切换。

@mathzhaoliang 我基础不扎实，哈哈可能说的有些不对，边查边做的

@clemente0620

俯视图会把物体变形，所以在俯视图里面是没法做神经网络检测的。而且俯视图是有范围限制的，你说的看作是 2D 平面运动，其实只能看相机下方一小块地方，超出范围物体就被拍扁了完全无法辨认。

"整体滑动平均" 不知何意。至少你应该有一个扩展 Kalman 滤波来稳定轨迹。

最后一条不知道你做不做追踪，船的动力学很简单，只能近似匀速地前进后退，慢慢拐弯。车辆要复杂很多，人就更随意了。轨迹变化导致的跟丢是很常见的事情。

@mathzhaoliang

大佬您好，想咨询一下您提问的第 4 点的想法。您说的这种问题，在您看来有办法解决或者避免吗？

@ianshow15 我不清楚有没有一劳永逸一下解决的高明办法，我觉得需要多种手段一起使用．一个是轨迹暂时跟丢的话可以给它一个虚拟生命周期，后面匹配的话可以接上．一个是对不同的对象进行动力学建模，使用扩展或者无迹 Kalman 滤波进行追踪．一个应该是进行特征点的计算，对 mask/bbox 里面的对象作 iou 之外的二次检测. 最后还有需要稳定神经网络输出的 box 的抖动．

@mathzhaoliang
所以现在这种场景下应该是还没有实际可用的完美的解决方案的吧？很多时候看到的都是 demo 视频，实际真的运用上了可能会暴露很多问题的吧？

@ianshow15 完美方案肯定没有。追踪的关键是神经网络的检测输出稳定，神经网络做不到，整体就做不到。