Object Detection Performance Optimization Using Optical Flow
技術簡介
Video影像資料佔所有網路傳輸資料中的7成以上，大量的資料導致無法以人力監看所有影像內容，因此多以AI技術輔助辨識影像。在AI影像辨識技術中，AI物件偵測技術可找出影像畫面中的指定物件所在位置與大小，輔助監控物件是否出現、所在位置、物件大小、移動方向與速度等，可應用於各場域的影像即時辨識需求，如無人載具、智慧城市、百貨賣場、交通場域中所拍攝的人、車、船等物件的出現情形及是否有異常發生等。
由於AI物件偵測技術是針對單一畫面找出指定物件，應用於Video影像時會先將影像切割成多個單偵畫面，再各別以AI物件偵測辨識，即可達成Video的連續影像辨識。然而，此種辨識方法並無善用Video影像中前後畫面相似的連續特性。
工研院開發AI物件偵測加速技術，整合運用影像連續特性的光流手法，達到加速的目的。光流手法可選定畫面中的重要像素，也就是與周圍像素不相似因此較具有代表性的像素點，例如物體的輪廓或尖角等，並於之後的連續影像找出此像素的新位置。透過光流法的像素追蹤所得到的位移量，以此推估Video中的物件新位置，輔助加速影像的AI物件偵測技術。
透過光流技術所輔助的AI物件偵測技術，可達到比原本單純AI物件偵測技術的加速約15倍效能，以原本一支監視器攝影機所拍攝的影像內容須使用一張GPU進行AI辨識為例，套用加速技術後，每約15支監視器攝影機僅需一張GPU即可進行AI辨識，大幅降低AI辨識硬體建置成本至原本的約十五分之一，在拉低建置門檻的同時亦加速AI應用的擴散，此技術適用於需要AI辨識Video影像的各類應用。
技術特色
▲ 整合光流技術，加速AI物件偵測效能至原本的15倍。
▲ 經由AI物件偵測的效能提升，大幅降低AI硬體建置成本至原本的約十五分之一。
▲ 光流技術使用CPU運算，不同於AI物件偵測技術所需的GPU運算資源，提高平行效果。
應用範圍
各類需要Video影像AI辨識的相關應用，如無人載具、智慧城市、百貨賣場、交通、智慧服務等。
