视频目标跟踪好选择

实际上，跟踪和检测是分不开的，比如传统TLD框架使用的在线学习检测器，或KCF密集采样训练的检测器，以及当前基于深度学习的卷积特征跟踪框架。一方面，跟踪能够保证速度上的需要，而检测能够有效地修正跟踪的累计误差。不同的应用场合对跟踪的要求也不一样，比如特定目标跟踪中的人脸跟踪，在跟踪成功率、准确度和鲁棒性方面都有具体的要求。另外，跟踪的另一个分支是多目标跟踪（MultipleObjectTracking）。多目标跟踪并不是简单的多个单目标跟踪，因为它不仅涉及到各个目标的持续跟踪，还涉及到不同目标之间的身份识别、自遮挡和互遮挡的处理，以及跟踪和检测结果的数据关联等。慧视RK3399PRO图像跟踪板支持目标跟踪识别目标（人、车）。视频目标跟踪好选择

成都慧视推出的深度学习算法开发平台SpeedDP，它的主要功能就是帮助进行算法模型的测试验证，进行快速的针对大量数据的AI自动标注，然后提升自身算法能力。在无人机智能炮弹测试验证中，通过对原始算法的模型训练，能够不断评估算法的能力，然后对新的打击数据集目标进行AI自动标注，让算法在学习中不断变得聪明。通过SpeedDP的应用，能够极大减少整个测试验证所需时间，减少人力成本支出，减少项目开发周期，让工程师不再为繁琐的图像标注浪费时间将更多的精力放在更重要的领域。视频目标跟踪好选择Viztra-LE034图像跟踪板采用国内智能AI芯片。

当两个图像之间还有旋转或比例变化时，往往使用基于控制点的方法进行图像配准。所谓特征点匹配就是在一帧图像中寻找具有不变性质的结构—特征点，例如，灰度局部极大值、局部边缘、角等，与另一帧图像中的同类特征点作匹配，从而求得该两帧图像之间的变换关系。从现实的观点看，在全部特征点中，只有部分能得到正确的匹配，这是因为特征点寻找算法并非完美无缺。特征点匹配方法具有：处理的数据量不断减少、可能匹配的数目少于互相关方法和受照度、几何的变化影响较小的优点。根据具体的振动情况，选择合适的特征点和速度较快的匹配策略是该任务研究的重点。目前的研究工作都致力于图像间的自动配准，如直接相关匹配，基于图像分割技术的配准，利用封闭轮廓的形心作为控制点的配准等。

腾讯开发的机器人小五，采用轮、腿、足复合设计，使得它具备越障能力的同时，也保持了轮式机器人的运行效率。每条腿都可以单独伸长缩短，能有效提升承载能力。装上了双编码器大扭矩密度的执行器后，就能承受住一般成年人的重量。将机器人用于养老服务领域，能够帮老人取快递，抱老人起床，带老人进行活动。机器人内置RGBD相机，在图像处理板的赋能下，能够实时检测周边环境，进行路线规划和避障，以高效完成各项工作指令。同时能够对物体进行AI识别，判断老人位置、行为动作，为老人的行动做出帮助。慧视RK3399PRO板卡可以用于大型公共停车场。

在许多领域，无人机的作业环境相对复杂，需要识别处理图像背景目标众多，这种环境下，要想实现更高精度的检测识别效果，图像处理板的性能至关重要。在慧视光电开发的多款图像处理板中，Viztra-HE030图像处理板以6.0TOPS得以胜任。这款板卡采用了瑞芯微旗舰级芯片RK3588，8nmLP制程，搭载八核64位CPU，主频高达2.4GHz。集成ARMMali-G610MP4四核GPU，内置AI加速器NPU，支持主流的深度学习框架。性能强劲的RK3588可为无人机AI识别的应用场景带来更强大的性能表现。无人机吊舱能够通过定制算法和精细定位技术实现农药精细喷洒、农作物精细抛粮等操作。辽宁目标跟踪经验丰富

全国产化智能处理板应用广阔。视频目标跟踪好选择

很多跟踪方法都是对通用目标的跟踪，没有目标的类别先验。在实际应用中，还有一个重要的跟踪是特定物体的跟踪，比如人脸跟踪、手势跟踪和人体跟踪等。特定物体的跟踪与前面介绍的方法不同，它更多地依赖对物体训练特定的检测器。人脸跟踪由于它的明显特征，它的跟踪就主要由检测来实现，比如早期的Viola-Jones检测框架和当前利用深度学习的人脸检测或人脸特征点检测模型。手势跟踪在应用主要集中在跟踪特定的手型，比如跟踪手掌或者拳头。设定特定的手型可以方便地训练手掌或拳头的检测器。视频目标跟踪好选择