成都慧視開發(fā)的各款式的AI圖像處理板，就是助力低空經(jīng)濟(jì)發(fā)展的傳感器技術(shù)設(shè)備之一。AI圖像處理板具備智能圖像檢測(cè)識(shí)別以及跟蹤的能力，在低空經(jīng)濟(jì)領(lǐng)域，能夠讓無人機(jī)實(shí)現(xiàn)智慧化賦能。成都慧視開發(fā)的RK3588系列圖像處理板Viztra-HE030，具備6.0TOPS算力，是當(dāng)下國產(chǎn)圖像處理板的性能前列的產(chǎn)品，對(duì)于一些復(fù)雜應(yīng)用場(chǎng)景下的識(shí)別，RK3588是當(dāng)仁不讓。我司可以根據(jù)需求，定制CVBS、SDI、LVDS、DVP、CmaeraLink等接口，實(shí)現(xiàn)快速適配應(yīng)用。而RV1126系列圖像處理板Viztra-LE026，整體呈小型化設(shè)計(jì)，尺寸小，整體功耗不大于4W，用在無人機(jī)領(lǐng)域，一不會(huì)過多占用空間，二不會(huì)增加無人機(jī)的功耗負(fù)擔(dān)，2.0TOPS的算力，也能滿足大多數(shù)應(yīng)用場(chǎng)景的需求。RK3588處理板，智慧視覺應(yīng)用開發(fā)板。福建目標(biāo)跟蹤產(chǎn)品

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(huì)對(duì)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。云南目標(biāo)跟蹤批發(fā)商RV1126圖像處理板的目標(biāo)識(shí)別能力突出。

從軟件的角度來看，整個(gè)視頻跟蹤系統(tǒng)主要是由電視攝像機(jī)及控制、圖像獲取模塊、圖像顯示模塊、數(shù)據(jù)庫，運(yùn)動(dòng)檢測(cè)，目標(biāo)跟蹤，報(bào)警輸入和人機(jī)接口模塊等組成的。視覺計(jì)算模塊是視頻跟蹤系統(tǒng)的重點(diǎn)，是實(shí)現(xiàn)目標(biāo)檢測(cè)和跟蹤的關(guān)鍵，如圖3所示。一般采取先檢測(cè)后跟蹤(Detect-before-Track)方式，目標(biāo)的檢測(cè)和跟蹤是緊密結(jié)合的。檢測(cè)是跟蹤的前因，并為跟蹤提供了目標(biāo)的信息(如目標(biāo)的位置，大小，模式和速度估計(jì)等)，而跟蹤則是檢測(cè)的延續(xù)，實(shí)時(shí)利用檢測(cè)得到的知識(shí)去驗(yàn)證目標(biāo)的存在。

RK3588作為瑞芯微國產(chǎn)化旗艦級(jí)芯片，用在目標(biāo)跟蹤領(lǐng)域，通常情況下跟蹤幀率都在50Hz左右，這已經(jīng)足夠滿足大多數(shù)應(yīng)用領(lǐng)域的需求。但在許多特殊領(lǐng)域，如軍備、邊防，高幀頻的視頻輸出能夠在極短的時(shí)間內(nèi)捕捉到更多的畫面，實(shí)現(xiàn)高速動(dòng)態(tài)場(chǎng)景的連續(xù)拍攝。高幀頻的目標(biāo)跟蹤則能夠獲得更多的目標(biāo)細(xì)節(jié)，便于做出下一步判斷。許多中低端性能的由于算力等因素?zé)o法達(dá)到這樣的需求，但RK3588作為性能怪，6.0TOPS的算力開發(fā)潛力無限。成都慧視就針對(duì)于這樣的需求場(chǎng)景，在硬件的支持下，定制開發(fā)出能夠支撐100Hz跟蹤算法，從而打造出能夠穩(wěn)定實(shí)現(xiàn)100Hz目標(biāo)跟蹤的整合方案。跟蹤算法能夠支持定制不？

YOLO算法的關(guān)鍵技術(shù)在YOLO算法中，有幾個(gè)關(guān)鍵技術(shù)對(duì)其性能起著重要作用。首先是使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，其中引入了一些先進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)，如Darknet。其次是使用AnchorBox來提高目標(biāo)定位的精度。此外，YOLO算法還引入了特征金字塔網(wǎng)絡(luò)和多尺度預(yù)測(cè)等技術(shù)，以處理不同大小的目標(biāo)。YOLO算法在實(shí)時(shí)目標(biāo)檢測(cè)和跟蹤中的應(yīng)用YOLO算法在實(shí)時(shí)目標(biāo)檢測(cè)和跟蹤領(lǐng)域取得了明顯的成果。它不僅在檢測(cè)速度上遠(yuǎn)超傳統(tǒng)方法，而且在目標(biāo)定位和類別預(yù)測(cè)準(zhǔn)確性上也表現(xiàn)出色。因此，YOLO算法在許多應(yīng)用中得到了廣泛應(yīng)用，如視頻監(jiān)控、自動(dòng)駕駛和物體識(shí)別等。AI算法賦能下的圖像處理板能夠進(jìn)行目標(biāo)識(shí)別。陜西無線目標(biāo)跟蹤

RK3399PRO圖像處理板識(shí)別概率超過85%。福建目標(biāo)跟蹤產(chǎn)品

在目標(biāo)跟蹤領(lǐng)域，場(chǎng)景信息與目標(biāo)狀態(tài)的融合十分重要，首先，場(chǎng)景信息包含了豐富的環(huán)境上下文信息,對(duì)場(chǎng)景信息進(jìn)行分析及充分利用,能夠有效地獲取場(chǎng)景的先驗(yàn)知識(shí),降低復(fù)雜的背景環(huán)境以及場(chǎng)景中與目標(biāo)相似的物體的干擾;同樣地,對(duì)目標(biāo)的準(zhǔn)確描述有助于提升檢測(cè)與跟蹤算法的準(zhǔn)確性與魯棒性.總之,嘗試研究結(jié)合背景信息和前景目標(biāo)信息的分析方法,融合場(chǎng)景信息與目標(biāo)狀態(tài),將有助于提高算法的實(shí)用性能?；垡暪怆婇_發(fā)的圖像處理板，具備高性能、高精度的特點(diǎn)，能夠進(jìn)行精確的目標(biāo)跟蹤。福建目標(biāo)跟蹤產(chǎn)品