NVIDIA Technical Blog · 15.07.2026 ·ИИ в бизнесе

Создание систем 3D-трекинга объектов с NVIDIA DeepStream 9.1

NVIDIA представила руководство по разработке систем видеоаналитики, способных отслеживать объекты при их перемещении между зонами обзора нескольких камер. Обновление DeepStream 9.1 позволяет объединять данные с разных ракурсов в единое 3D-пространство, что критически важно для автоматизации логистики, ритейла и управления безопасностью на крупных объектах, где традиционного 2D-трекинга недостаточно для точной идентификации и локализации.

Переход от плоского 2D-отслеживания к 3D-координатам требует калибровки камер и интеграции данных в общую систему координат. Использование DeepStream 9.1 упрощает этот процесс за счет встроенных инструментов для обработки видеопотоков в реальном времени. Разработчики могут создавать пайплайны, которые сопоставляют метаданные объектов, полученные с разных сенсоров, обеспечивая непрерывное наблюдение за перемещением цели по всей территории.

Такой подход позволяет значительно повысить точность аналитики в сложных сценариях, таких как отслеживание покупателей в торговых залах или перемещение техники на складах. Система минимизирует ошибки, связанные с перекрытием объектов или их исчезновением из поля зрения одной камеры, что является главным ограничением классических систем компьютерного зрения.

Ключевые факты

DeepStream 9.1 предоставляет инструменты для объединения данных с нескольких камер в единую 3D-систему координат.
Основная задача технологии — устранение разрывов в трекинге при переходе объекта между зонами видимости разных камер.
Решение ориентировано на создание масштабируемых систем видеоаналитики для ритейла, логистики и промышленной автоматизации.
Использование 3D-трекинга позволяет более точно определять траекторию движения и поведение объектов в пространстве по сравнению с 2D-методами.

Источник: NVIDIA Technical Blog

Обсудить с ИИ

Похожие материалы

arXiv · Машинное обучение 4DR360: новый подход к слиянию данных радара и камеры для автономного вождения Исследователи представили 4DR360 — архитектуру для комплексного восприятия сцены в автономном вождении, объединяющую 3D-детекцию объектов и предсказание занятости пространства. Система использует 4D-радары миллиметрового диапазона в связке с камерами, решая проблему разреженности данных радара и обеспечивая высокую точность семантического анализа окружения, что критически важно для безопасной навигации беспилотных транспортных средств в сложных дорожных условиях. NVIDIA Technical Blog · Машинное обучение Оптимизация нейронных пайплайнов реконструкции 3D-сцен с помощью NVIDIA Nsight NVIDIA представила руководство по оптимизации нейронного конвейера реконструкции NuRec, предназначенного для создания высокоточных 3D-моделей реальных сред на основе мультисенсорных данных. Использование инструментов профилирования NVIDIA Nsight позволило разработчикам выявить узкие места в производительности и значительно ускорить процесс обработки данных, что критически важно для задач компьютерного зрения и создания цифровых двойников. NVIDIA Technical Blog · Машинное обучение Ускорение BEV-пулинга на GPU NVIDIA для систем физического ИИ NVIDIA представила методы оптимизации BEV-пулинга (Bird's-Eye-View) — критически важного этапа обработки данных в автономном транспорте и робототехнике. Новые подходы позволяют значительно сократить задержки при проекции данных с камер в единое 3D-пространство, что критично для систем реального времени. Оптимизация реализована через специализированные CUDA-ядра, повышающие пропускную способность при работе с пространственными признаками. NVIDIA Technical Blog · Данные и инжиниринг NVIDIA представила платформу DAQIRI для обработки данных в реальном времени Компания NVIDIA выпустила инструментарий DAQIRI, предназначенный для интеграции систем сбора данных с алгоритмами искусственного интеллекта. Решение ориентировано на высокоскоростные потоки информации, где критически важна минимальная задержка между получением сырых данных и их аналитической обработкой. Платформа позволяет развертывать ИИ-модели непосредственно на этапе захвата данных, что ускоряет работу исследовательских и промышленных систем. NVIDIA Technical Blog · Инференс и железо MiniMax M3 и NVIDIA для агентных workflows с длинным контекстом NVIDIA и MiniMax представили решение для развёртывания агентных workflows с поддержкой длинного контекста. Это важно для разработчиков, которым приходится собирать фрагментированные пайплайны из разных моделей для текста, изображения и других задач. Hacker News · Модели и релизы DeepSeek представила мультимодальную модель с поддержкой зрения Компания DeepSeek расширила возможности своей платформы, добавив поддержку обработки визуальных данных. Теперь пользователи могут загружать изображения в чат-интерфейс для анализа, распознавания текста и интерпретации графических материалов. Обновление позволяет модели работать с визуальным контекстом наряду с текстовыми запросами, что приближает функциональность сервиса к актуальным стандартам ведущих мультимодальных систем. arXiv · Исследования и наука Polycepta: новый метод оценки объектов для трекинга в реальном времени Исследователи представили метод Polycepta, направленный на улучшение систем многообъектного трекинга (MOT). Традиционные подходы в этой области часто полагаются на статические дескрипторы внешнего вида, которые не учитывают динамику сцены и требуют значительных вычислительных мощностей. Из-за высокой нагрузки на GPU разработчики систем реального времени нередко отказываются от использования визуальных признаков, ограничиваясь только анализом движения, что снижает точность сопровождения объектов при их перекрытии или резкой смене траектории. MarkTechPost · Инфраструктура для агентов NVIDIA представила SpatialClaw: агент для 3D-рассуждений через написание кода Исследователи NVIDIA представили SpatialClaw — агентную архитектуру, предназначенную для решения задач пространственного мышления в 3D-средах. Ключевая особенность системы заключается в отказе от дополнительного обучения моделей под конкретные задачи. Вместо этого агент использует написание кода на языке Python в качестве основного интерфейса взаимодействия с окружением. arXiv · Исследования и наука Новый фреймворк для геопозиционирования объектов по кросс-видовым изображениям Исследователи представили единый одностадийный фреймворк для геопозиционирования объектов, который преодолевает ограничения традиционного 2D-сопоставления изображений. Система эффективно связывает данные с наземных камер или дронов с геопривязанными спутниковыми снимками, учитывая геометрические параметры сцены. Это решение позволяет точнее определять координаты объектов в условиях нехватки размеченных данных и различий в углах обзора камер. arXiv · Исследования и наука OmniAgent: новый подход к анализу длинных видео через активное восприятие Исследователи представили OmniAgent — архитектуру для анализа видео, которая отходит от традиционной модели «пассивного просмотра». В отличие от существующих систем, которые обрабатывают все кадры видеоряда равномерно, что приводит к линейному росту вычислительных затрат при увеличении длительности записи, новый метод имитирует активное восприятие. Система самостоятельно выбирает наиболее информативные фрагменты для анализа в зависимости от поставленного запроса.

← Все материалы