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

多目標跟蹤是指在連續(xù)的圖像中，通過目標檢測算法識別出每一幀中的目標，并在時間上跟蹤它們的位置和狀態(tài)。但目標會不斷發(fā)生尺度、形變、遮擋等變化，而且還會有目標出現(xiàn)和消失的情況，再加上視頻采集端的相機所處環(huán)境可能受到外界影響導致抖動的情況（例如無人機高空檢測），就會給多目標跟蹤造成一定的困難。由于我們不能控制目標，所以只能從視頻采集端維護跟蹤的穩(wěn)定性。因此，成都慧視針對于多目標檢測跟蹤抖動丟失的優(yōu)化方法是：1.改進目標檢測,使用更加魯棒的目標檢測算法。2.增強特征描述，利用深度學習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.改進運動模型，在算法中加入對攝像頭運動的估計，通過補償攝像頭運動來減小目標真實運動與預測之間的差距。4.數(shù)據(jù)關(guān)聯(lián)策略，設計更靈活的數(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。廣西無源目標跟蹤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，能夠識別**小像素為12*12的目標，整個延遲不高于100ms，識別精度能夠大于85%。無人機作業(yè)，續(xù)航是使用者首要考慮的。Viztra-LE026的設計正是考慮了這項因素，首先重量上就不會給無人機增加過多負擔，尺寸方面也無需過多空間，低于4W的功耗對于整個無人機的續(xù)航影響也是微乎其微。綜合這些特點，可見Viztra-LE026圖像處理板和無人機的完美契合，將是各領域打造智能無人機的得力助手。

YOLO單卷積神經(jīng)網(wǎng)絡在一次評價中直接從全圖中預測多個boundingboxes和類概率，在全圖上訓練并直接優(yōu)化檢測性能，同時學習目標的泛化表示。然而，YOLO對邊界框預測施加了嚴格的空間約束，限制了模型可以預測的相鄰項目的數(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，提高了檢測的準確性和效率，同時減少了計算開銷。該模型集成了一種在區(qū)域方案微調(diào)之間交替的訓練方法，使得統(tǒng)一的、基于深度學習的目標識別系統(tǒng)能夠以接近實時的幀率運行，然后在保持固定目標的同時微調(diào)目標檢測。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，目標跟蹤領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會對目標進行建模，比如利用目標的顏色分布來描述目標，然后計算目標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方法的快速計算，它的很多改進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。目標跟蹤設備

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，能夠輕松應對糧庫內(nèi)部復雜的環(huán)境，成都慧視可以根據(jù)客戶使用的相機接口進行圖像處理板的接口深度定制，實現(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識別模型訓練，提升自身算法精度，進而提升攝像頭害蟲識別精度。目標跟蹤設備