政府工作报告将“两新一重”作为2022年重点任务，交通运输是新型基础设施与传统基础设施融合发展的重要领域，而智慧交通是交通运输行业发展的主要方向之一，智慧交通系统是以智能交通为基石，充分运用车联网技术，并融入人工智能、云计算、大数据等技术来实现人、车辆和环境协同，缓解交通问题，节约人力成本。此外，智慧交通在协助社会治安治理方面也起到越来越重要作用。
视频目标跟踪技术因其能够获取目标的轨迹和状态信息，在智能交通中有着广泛的应用，其同时为行为分析和异常检测等研究提供了轨迹数据等状态信息。随着深度学习理论的不断发展，深度学习也应用到了视频目标跟踪领域。虽然，基于深度网络的跟踪算法在跟踪精确度和效率上都得到了较大提升，但仍然有许多急需解决的挑战性问题。
2022年1月8日，由中国计算机学会主办，河北大学和河北光之翼信息技术股份有限公司协办的“新一代智慧交通背景下，深度学习理论在视频目标跟踪技术中的应用与创新”的技术论坛在线上和线下同时举行，论坛采用腾讯会议、微论坛和线下参会的方式，共吸引了来自多所高校与企业的百余人参加。论坛就深度学习理论的发展在视频目标跟踪中的借鉴作用，传统跟踪算法是否应该被抛弃以及图像分割，识别技术在视频目标跟踪的应用和可借鉴之处等方面进行深度讨论与思辨。
论坛由YOCSEF保定委员、河北大学副教授王珺，YOCSEF保定AC、河北光之翼信息技术股份有限公司董事长/总裁王建锋担任执行主席，YOCSEF保定AC、保定学院副教授车紫辉，YOCSEF保定AC、河北金融学院教授曹莹，担任线上主席。
论坛邀请了上海交通大学人工智能研究院、人工智能教育部重点实验室助理教授、博士生导师马超，大连理工大学人工智能学院副教授、硕士生导师王立君，华瑞新智科技有限公司算法总监李龙作为引导报告嘉宾，并邀请了河北农业大学副教授刘博，广州木链云科技有限公司技术总监邹智元，中国信通院保定研究院规划咨询部工程师范同乐等高校及企业多方代表作为现场思辨嘉宾。
首先执行主席王建锋做了CCF YOCSEF保定的介绍。在随后的三个引导报告中，上海交通大学马超以“鲁棒视觉目标跟踪的深度攻击问题研究”为题介绍了如何对现有的跟踪算法进行黑盒和白盒攻击，并尝试在跟踪算法中加入对抗攻击模块以提升跟踪算法的鲁棒性。大连理工大学王立君以“基于外观模型的视频目标跟踪与分割技术”为题介绍了分割技术在视频目标跟踪中的应用，并介绍了全局搜索和局部搜索的切换机制以提升算法在长时间跟踪中的效果。最后，华瑞新智科技有限公司李龙以“深度学习算法在视频目标追踪里的应用”为题介绍了视频目标跟踪面临的问题与挑战，并介绍了2D和3D目标检测技术在跟踪算法中的应用。
在三个引导报告之后，论坛进入思辨环节。论坛围绕“深度学习理论的发展在视频目标跟踪中有哪些借鉴作用？”、“传统跟踪算法是否应该被抛弃？”、“图像分割，识别技术在视频目标跟踪的应用和可借鉴之处有哪些？”三个议题展开了思辨。与会嘉宾纷纷发表各自观点，现场讨论热烈,思辨观点如下：
议题 1： 深度学习理论的发展在视频目标跟踪中有哪些借鉴作用？
深度学习理论在视频领域借鉴较多，深度学习有很多优势，目标跟踪基本上就伴随着深度学习发展的，深度学习的发展作为基石。深度学习在各个领域的进展，对视频目标跟踪算法的提升有着借鉴作用。在实际的应用中，深度学习也存在一定的缺陷，应该根据视频目标的特点对网络进行有针对性的设计。
议题 2: 传统跟踪算法是否应该被抛弃？
不同的应用场景中，针对目标追踪的要求不一样。因此要根据实际的项目需求进行算法选取。在深度学习具有压倒性的场景中，显然可以抛弃传统的跟踪算法；反之亦然。但是，在理论分析上不管传统算法还是深度学习算法都具有继承和研究的必要。
议题 3: 图像分割，识别技术在视频目标跟踪的应用和可借鉴之处有哪些？
图像分割、识别与目标跟踪从底层特征提取方面接近，图像分割，识别技术与视频目标跟踪的应用有很多一致的地方，可以相互借鉴。
总之，本次论坛通过回顾了深度学习的发展及其在目标追踪中的应用，并对深度学习理论的发展在视频目标跟踪中作用和深度学习与传统跟踪算法的优劣进行了讨论，最终认为目前目标跟踪几乎是建立在深度学习理论发展的基础上的，但是传统跟踪算法依然具有自己应用的领域，因此，可以根据具体的应用场景，选择相应的算法。图像分割，识别技术与视频目标跟踪的应用有很多一致的地方，可以相互借鉴。
论坛历时四个小时，执行主席王珺最后对此次论坛进行了总结。在论坛最后，为了感谢与会专家、学者为视频目标跟踪在智慧交通中的应用和发展带来的思考与启示，对参加论坛活动的嘉宾颁发了电子感谢牌。
活动中来自国内知名院校和企业界的专家、学者和管理人员围绕新一代智慧交通背景下，深度学习理论在视频目标跟踪技术中的应用与创新主题，发表了很多精彩的观点，为视频目标跟踪算法的发展提供了有益的参考。
线上论坛合影
线下论坛合影
颁发电子感谢牌
京公网安备 11010802032778号