視頻監控中的多目標跟蹤(MTT)是一項重要而富有挑戰性的任務，由于其在各個領域的潛在應用而引起了研究人員的大量關注。多目標跟蹤任務需要在每幀中單獨定位目標，這仍然是一個巨大的挑戰，因為目標的外觀會立即發生變化，并且會出現極端的遮擋。除此之外，多目標跟蹤框架需要執行多個任務，即目標檢測、軌跡估計、幀間關聯和重新識別。多目標跟蹤分為目標檢測和跟蹤兩個主要任務。為了區分組內對象，MTT算法將ID與在特定時間內保持特定于該對象的每個檢測到的對象相關聯。然后利用這些ID來生成被跟蹤對象的運動軌跡。AI算法賦能下的圖像處理板能夠進行智能目標識別。網絡目標跟蹤售后服務

目前，采用圖像識別技術來實現無人機規避其他障礙物是一個有效的方法。通過在無人機上植入圖像識別模塊，這個模塊由圖像處理板和相機組合而成，通過算法的賦能，就能針對不同物體實現快速AI識別，然后實現規避。而在圖像處理板的選擇上，成都慧視開發的Viztra-LE026圖像處理板就十分合適。這塊板卡采用了RV1126開發設計而成，外形呈圓形，體積小巧，尺寸為Ф38mm*12mm，重量只有12g，用在無人機上不會過多占用空間。此外，該板卡功耗≤4W，也不會增加無人機的續航負擔。青海耐用目標跟蹤慧視RV1126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。

很多跟蹤方法都是對通用目標的跟蹤，沒有目標的類別先驗。在實際應用中，還有一個重要的跟蹤是特定物體的跟蹤，比如人臉跟蹤、手勢跟蹤和人體跟蹤等。特定物體的跟蹤與前面介紹的方法不同，它更多地依賴對物體訓練特定的檢測器。人臉跟蹤由于它的明顯特征，它的跟蹤就主要由檢測來實現，比如早期的Viola-Jones檢測框架和當前利用深度學習的人臉檢測或人臉特征點檢測模型。手勢跟蹤在應用主要集中在跟蹤特定的手型，比如跟蹤手掌或者拳頭。設定特定的手型可以方便地訓練手掌或拳頭的檢測器。RK3588作為工業級圖像處理板能夠進行大量的目標識別信息處理。

這種智慧化的建設就是采用圖像處理。在無人機內部安裝圖像處理板，這些圖像處理板和相機、算法的有機結合就形成了無人機的智慧眼，有了這個智慧眼，無人機就能夠對視野范圍內的物體進行AI識別，從而自動完成避障、巡檢等操作。成都慧視開發的小型化圖像處理板Viztra-LE026就是專門為無人機設計的一款“智慧眼”處理器。這塊板卡采用了RV1126開發而成，具備2.0TOPS的算力，外形呈圓形化設計，整體外觀大小為Ф38mm*12mm，重量只有12g，功耗不高于4W，用在無人機領域具有功耗低、尺寸小的優勢，不會過多占用和消耗無人機的內部空間和續航。振動測試是否通過正是確定板卡能否在這樣的環境下正常完成工作的關鍵手段。湖北目標跟蹤市場報價

RK3399圖像處理板識別概率超過85%。網絡目標跟蹤售后服務

在許多領域，無人機的作業環境相對復雜，需要識別處理圖像背景目標眾多，這種環境下，要想實現更高精度的檢測識別效果，圖像處理板的性能至關重要。在慧視光電開發的多款圖像處理板中，Viztra-HE030圖像處理板以6.0TOPS得以勝任。這款板卡采用了瑞芯微旗艦級芯片RK3588，8nmLP制程，搭載八核64位CPU，主頻高達2.4GHz。集成ARMMali-G610MP4四核GPU，內置AI加速器NPU，支持主流的深度學習框架。性能強勁的RK3588可為無人機AI識別的應用場景帶來更強大的性能表現。網絡目標跟蹤售后服務