Introdução
Desde que as redes neurais começaram a ganhar popularidade, a maioria dos engenheiros começou a resolver muitos dos problemas de software no campo da Segurança Pública usando métodos de aprendizado profundo. Apesar de as redes neurais não terem competidores em termos de detecção e identificação de objetos, elas ainda não podem se orgulhar da capacidade de analisar e raciocinar, mas apenas criar padrões que nem sempre podem ser compreendidos ou interpretados.
Somos da opinião que abordagens interpretáveis e previsíveis, como, por exemplo, a abordagem de associação de dados probabilísticos, serão mais eficazes para rastrear objetos múltiplos.
A precisão do rastreamento e as vantagens da abordagem que escolhemos são claramente visíveis (mais no post):



Comparação do popular rastreador Re3 (esquerda) e nosso componente AcurusTrack (direita)
: “ Public Safety Software”. , - . , .
Public Safety , . ( , , ..). , , .
, , ( "" ), , , , ..
, . , , .
, :
, ( ) , , . — . , , , .
N , . F_1, ..., F_N. (detections) D_1,...,D_k, k<=N. i=1,...,N, (id).
, , , . , , iou — intersection over union — k k-1 ; . , , , .

, , , , . , : OY y , O — x, , . , (x, y), i- , (i∗img_w+x, y), img_w — .

, ( OX )
, , EvenVizion, .
. , (data association).
, , - (MCMC).
:
, :
- ;
- EvenVizion;
- ;
- , .
AcurusTrack
, :
- ,





AcurusTrack , :
- : , ;
- .
computer vision. , , .. .
AcurusTrack , , .
, , ( ).
, — GitHub.