目標(biāo)檢測和跟蹤是計(jì)算機(jī)視覺領(lǐng)域中的重要任務(wù)之一。隨著深度學(xué)習(xí)的興起，YOLO（You Only Look Once）算法在目標(biāo)檢測和跟蹤領(lǐng)域引起了廣關(guān)注。YOLO算法是一種在實(shí)時目標(biāo)檢測和跟蹤領(lǐng)域具有重要地位的算法。通過引入卷積神經(jīng)網(wǎng)絡(luò)和一系列先進(jìn)技術(shù)，YOLO算法在速度和準(zhǔn)確性方面取得了明顯的進(jìn)展。然而，仍然有一些挑戰(zhàn)需要解決，如目標(biāo)尺度變化、小目標(biāo)檢測和復(fù)雜背景干擾等。隨著研究的不斷深入和技術(shù)的不斷發(fā)展，YOLO算法有望在實(shí)時目標(biāo)檢測和跟蹤領(lǐng)域發(fā)揮更大的作用。無人機(jī)目標(biāo)跟蹤AI模塊。目標(biāo)跟蹤設(shè)備

多目標(biāo)跟蹤是指在連續(xù)的圖像中，通過目標(biāo)檢測算法識別出每一幀中的目標(biāo)，并在時間上跟蹤它們的位置和狀態(tài)。但目標(biāo)會不斷發(fā)生尺度、形變、遮擋等變化，而且還會有目標(biāo)出現(xiàn)和消失的情況，再加上視頻采集端的相機(jī)所處環(huán)境可能受到外界影響導(dǎo)致抖動的情況（例如無人機(jī)高空檢測），就會給多目標(biāo)跟蹤造成一定的困難。由于我們不能控制目標(biāo)，所以只能從視頻采集端維護(hù)跟蹤的穩(wěn)定性。因此，成都慧視針對于多目標(biāo)檢測跟蹤抖動丟失的優(yōu)化方法是：1.改進(jìn)目標(biāo)檢測,使用更加魯棒的目標(biāo)檢測算法。2.增強(qiáng)特征描述，利用深度學(xué)習(xí)提取更高級別的語義特征，這些特征對于小范圍內(nèi)的視角變化具有更好的不變性3.改進(jìn)運(yùn)動模型，在算法中加入對攝像頭運(yùn)動的估計(jì)，通過補(bǔ)償攝像頭運(yùn)動來減小目標(biāo)真實(shí)運(yùn)動與預(yù)測之間的差距。4.數(shù)據(jù)關(guān)聯(lián)策略，設(shè)計(jì)更靈活的數(shù)據(jù)關(guān)聯(lián)算法，允許更大的距離閾值來匹配候選目標(biāo)。廣西無源目標(biāo)跟蹤RK3399PRO圖像處理板識別概率超過85%。

經(jīng)過算法的不斷升級驗(yàn)證，Viztra-LE026圖像處理板能夠以30Hz的幀率跟蹤像素為2*2的目標(biāo)，能夠識別**小像素為12*12的目標(biāo)，整個延遲不高于100ms，識別精度能夠大于85%。無人機(jī)作業(yè)，續(xù)航是使用者首要考慮的。Viztra-LE026的設(shè)計(jì)正是考慮了這項(xiàng)因素，首先重量上就不會給無人機(jī)增加過多負(fù)擔(dān)，尺寸方面也無需過多空間，低于4W的功耗對于整個無人機(jī)的續(xù)航影響也是微乎其微。綜合這些特點(diǎn)，可見Viztra-LE026圖像處理板和無人機(jī)的完美契合，將是各領(lǐng)域打造智能無人機(jī)的得力助手。

YOLO單卷積神經(jīng)網(wǎng)絡(luò)在一次評價中直接從全圖中預(yù)測多個boundingboxes和類概率，在全圖上訓(xùn)練并直接優(yōu)化檢測性能，同時學(xué)習(xí)目標(biāo)的泛化表示。然而，YOLO對邊界框預(yù)測施加了嚴(yán)格的空間約束，限制了模型可以預(yù)測的相鄰項(xiàng)目的數(shù)量。成群出現(xiàn)的小物件，如鳥類，對于此模型也同樣有問題。fasterR-CNN，一個由全深度CNN組成的單一統(tǒng)一對象識別網(wǎng)絡(luò)，提高了檢測的準(zhǔn)確性和效率，同時減少了計(jì)算開銷。該模型集成了一種在區(qū)域方案微調(diào)之間交替的訓(xùn)練方法，使得統(tǒng)一的、基于深度學(xué)習(xí)的目標(biāo)識別系統(tǒng)能夠以接近實(shí)時的幀率運(yùn)行，然后在保持固定目標(biāo)的同時微調(diào)目標(biāo)檢測。慧視圖像處理板能夠?qū)崿F(xiàn)抖動鎖定跟蹤不丟失。

2010年以前，目標(biāo)跟蹤領(lǐng)域大部分采用一些經(jīng)典的跟蹤方法，比如Meanshift、Particle Filter和Kalman Filter，以及基于特征點(diǎn)的光流算法等。Meanshift方法是一種基于概率密度分布的跟蹤方法，使目標(biāo)的搜索一直沿著概率梯度上升的方向，迭代收斂到概率密度分布的局部峰值上。首先Meanshift會對目標(biāo)進(jìn)行建模，比如利用目標(biāo)的顏色分布來描述目標(biāo)，然后計(jì)算目標(biāo)在下一幀圖像上的概率分布，從而迭代得到局部密集的區(qū)域。Meanshift適用于目標(biāo)的色彩模型和背景差異比較大的情形，早期也用于人臉跟蹤。由于Meanshift方法的快速計(jì)算，它的很多改進(jìn)方法也一直適用至今。慧視微型雙光吊艙能夠?qū)崿F(xiàn)晝夜成像。浙江目標(biāo)跟蹤生產(chǎn)企業(yè)

智能跟蹤結(jié)合AI識別與相關(guān)濾波跟蹤算法。目標(biāo)跟蹤設(shè)備

成都慧視光電技術(shù)有限公司開發(fā)的Viztra-HE030圖像處理板，利用國產(chǎn)化高性能芯片RK3588開發(fā)而成，它能夠?qū)崿F(xiàn)6.0TOPS的算力，能夠輕松應(yīng)對糧庫內(nèi)部復(fù)雜的環(huán)境，成都慧視可以根據(jù)客戶使用的相機(jī)接口進(jìn)行圖像處理板的接口深度定制，實(shí)現(xiàn)快速的AI害蟲識別。在算法方面，可以使用自己的算法，我司還可以根據(jù)需求定制提供算法性能訓(xùn)練提升工具SpeedDP，平臺可以通過大量的糧庫害蟲AI識別模型訓(xùn)練，提升自身算法精度，進(jìn)而提升攝像頭害蟲識別精度。目標(biāo)跟蹤設(shè)備