在如今的作業中，無人機路面巡查替代傳統的人工巡查，展現出巨大的效率優勢。像高速施工工地這樣的環境下，施工方為了保障施工安全，就需要對施工范圍進行嚴格管控，傳統的人工巡查效率低，受限于地形、時間等問題，容易出現盲點。相比人工，利用無人機進行AI識別則可以逐幀圖像監測，即便是夜晚也能夠利用紅外傳感器進行數據收集，幾乎不會遺漏任何信息。而交通管理部門，則可以利用無人機快速到底事故地點進行疏導，緩解交通壓力。RV1126圖像處理板是我司自主研發的目標跟蹤板，該板卡采用國產高性能CPU，搭載自研目標跟蹤及跟蹤算法。貴州國產化目標跟蹤

SpeedDP的出現則正好解決了這一問題，它是一個基于瑞芯微的深度學習算法開發平臺，提供從數據標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發功能。平臺支持本地化服務器部署，高校、特殊單位等數據敏感的用戶無需擔心數據信息泄露的問題。高校等單位可以通過模型訓練和模型評估等功能，打造一個符合需求的AI模型，來幫助進行海量的數據標注，這不僅將節約大量的數據標注時間，更重要的是能夠幫助提升自身算法在RK3588圖像處理板的檢測識別能力。自主可控目標跟蹤慧視RK3588板卡可以用于大型公共停車場。

當兩個圖像之間還有旋轉或比例變化時，往往使用基于控制點的方法進行圖像配準。所謂特征點匹配就是在一幀圖像中尋找具有不變性質的結構—特征點，例如，灰度局部極大值、局部邊緣、角等，與另一幀圖像中的同類特征點作匹配，從而求得該兩幀圖像之間的變換關系。從現實的觀點看，在全部特征點中，只有部分能得到正確的匹配，這是因為特征點尋找算法并非完美無缺。特征點匹配方法具有：處理的數據量不斷減少、可能匹配的數目少于互相關方法和受照度、幾何的變化影響較小的優點。根據具體的振動情況，選擇合適的特征點和速度較快的匹配策略是該任務研究的重點。目前的研究工作都致力于圖像間的自動配準，如直接相關匹配，基于圖像分割技術的配準，利用封閉輪廓的形心作為控制點的配準等。

多目標跟蹤是指在連續的圖像中，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。但目標會不斷發生尺度、形變、遮擋等變化，而且還會有目標出現和消失的情況，再加上視頻采集端的相機所處環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定性。因此，成都慧視針對于多目標檢測跟蹤抖動丟失的優化方法是：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.數據關聯策略，設計更靈活的數據關聯算法，允許更大的距離閾值來匹配候選目標。慧視RK3399圖像處理板能實現24小時、無間隙信息化監控。

實際上，跟蹤和檢測是分不開的，比如傳統TLD框架使用的在線學習檢測器，或KCF密集采樣訓練的檢測器，以及當前基于深度學習的卷積特征跟蹤框架。一方面，跟蹤能夠保證速度上的需要，而檢測能夠有效地修正跟蹤的累計誤差。不同的應用場合對跟蹤的要求也不一樣，比如特定目標跟蹤中的人臉跟蹤，在跟蹤成功率、準確度和魯棒性方面都有具體的要求。另外，跟蹤的另一個分支是多目標跟蹤（MultipleObjectTracking）。多目標跟蹤并不是簡單的多個單目標跟蹤，因為它不僅涉及到各個目標的持續跟蹤，還涉及到不同目標之間的身份識別、自遮擋和互遮擋的處理，以及跟蹤和檢測結果的數據關聯等。慧視RK3399圖像跟蹤板支持目標跟蹤識別目標（人、車）。移動目標跟蹤技術

慧視RV1126圖像跟蹤板支持目標跟蹤識別目標（人、車）。貴州國產化目標跟蹤

實現這些功能的技術中，圖像處理基于AI圖像處理板這一傳感器。板卡具備快速圖像處理識別的硬件能力，植入相應的AI算法，無人機就相當于裝上了“智慧眼”，而且這個“智慧眼”居于高空，能夠在一個定點，俯瞰大范圍，實時監控貨物的存放狀態。遠程控制技術基于網絡通信，通過和圖像處理板的結合，能夠實現低延時低帶寬的圖像傳輸處理。在實際落地應用中，可以采用成都慧視開發的高性能圖像處理板，其中RV1126系列的Viztra-LE026圖像處理板，就是無人機的完美搭子。這款圖像處理板具備2.0TOPS的算力，能夠根據無人機型號進行接口定制，整體尺寸在40mm×40mm×10mm左右（核心板+接口板），小巧的外形即便是小型無人機也能夠裝上。此外，板卡整體功耗在4W左右，不會過多增加無人機的負擔。貴州國產化目標跟蹤