机器视觉技术现已广泛用于监控，研究人员正在努力使其变得越来越智能。在对人员进行检测，识别和跟踪方面取得了新进展，但是遮挡仍然是人员检测中的一个众所周知的问题，您是否在这方面有问题呢？
当期望被看见的人或物体被介入的身体或物体部分覆盖时，发生遮挡。在拥挤的公共区域（例如城市广场），经常会担心遮挡。顺便提及，这些区域通常是机器视觉对保护公众有用的场所。
当人们在人群中看到一个人时，即使该人被其他人部分阻挡，他们也可以识别，重新识别和分类该人。即使有很大一部分人被遮挡，人也可以想象出他的完整外表。
构建完整图像时的挑战
遮挡通常会影响任何机器视觉技术。当机器视觉发生遮挡时，该对象的那部分是未知的，并且对于大多数智能监控系统而言，如果无法观察到该遮挡就不存在。用于构造完整图像的系统须首先知道图像不完整。
遮挡方面的另一个主要挑战是缺少提供实际遮挡和非遮挡图像对的大规模数据集。简单地将随机对象和纹理添加到非遮挡图像中无法生成真实数据，用此类数据训练神经网络实际上可能是系统的责任。
机器视觉和AI克服了遮挡
研究人员正在尝试将人类“填补空白”的能力添加到机器视觉系统中，通过使用深度学习的体系结构以及有无遮挡的人的照片和视频，AI解决方案现在可以找出丢失的信息并创建人的完整图像。
神经网络体系结构提供了消除人形障碍所需的框架，使用U-net（用于快速准确地分割生物医学图像的卷积神经网络），GANs（用于无监督机器学习的生成对抗网络）和判别性属性分类网（用于质量检查） ）使去遮挡成为可能。
然后，经过优化的损失函数使用上述网络技术中的数据来满足以下目标：
1、形成无遮挡的图像
2、具有与完全可见的“人形”相似的像素水平
3、保留原始图像的相似视觉属性
机器视觉技术的进步为监控行业打开了许多大门，可通过克服遮挡挑战来提高公共安全性。盈泰德科技在机器视觉方面有多年的生产制造经验，如果您在这方面有需求，我们十分欢迎您来咨询，获取解决方案。
微信在线咨询
