當兩個圖像之間還有旋轉(zhuǎn)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(zhì)的結(jié)構(gòu)—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(guān)系。從現(xiàn)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(shù)據(jù)量不斷減少、可能匹配的數(shù)目少于互相關(guān)方法和受照度、幾何的變化影響較小的優(yōu)點。根據(jù)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(wù)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(guān)匹配，基于圖像分割技術(shù)的配準，利用封閉輪廓的形心作為控制點的配準等。RK3399PRO圖像處理板是我司自主研發(fā)的目標跟蹤板，該板卡采用國產(chǎn)高性能CPU，搭載自研目標跟蹤及跟蹤算法。重慶無線目標跟蹤

目標遮擋是導(dǎo)致跟蹤失敗的一個重要原因，也是實現(xiàn)長程目標跟蹤的關(guān)鍵問題。跟蹤任務(wù)從始至終都只跟蹤一個目標，一旦目標被遮擋，則會極大程度上影響跟蹤準確度，甚至導(dǎo)致跟蹤失敗。因此，當面臨遮擋問題時，目標跟蹤任務(wù)的要求更加嚴格。目前，目標遮擋可以分為兩種情況：部分遮擋和完全遮擋。部分遮擋意味著在圖像中還存在部分目標，可以通過對這部分的目標進行判斷進而確定目標的位置；完全遮擋則是在圖像中找不到目標，可能發(fā)生在有大的物體完全遮住了跟蹤目標。慧視光電的圖像處理板具有抗遮擋能力。重慶無線目標跟蹤慧視光電開發(fā)的慧視AI圖像處理板，采用了國產(chǎn)高性能CPU。

目標檢測與目標跟蹤這兩個任務(wù)有著密切的聯(lián)系。針對目標跟蹤任務(wù)，微軟亞洲研究院提出了一種通過目標檢測技術(shù)來解決的新視角，采用簡潔、統(tǒng)一而高效的“目標檢測+小樣本學(xué)習(xí)”框架，在多個主流數(shù)據(jù)集上均取得了杰出性能。目標跟蹤（Object tracking）與目標檢測（Object detection）是計算機視覺中兩個經(jīng)典的基礎(chǔ)任務(wù)。跟蹤任務(wù)需要由用戶指定跟蹤目標，然后在視頻的每一幀中給出該目標所在的位置，通常由一系列的矩形邊界框表示。而檢測任務(wù)旨在定位圖片中某幾類物體的坐標位置。對物體的檢測、識別和跟蹤能夠有效地幫助機器理解圖片視頻的內(nèi)容，為后續(xù)的進一步分析打下基礎(chǔ)。

在深度學(xué)習(xí)中，解決訓(xùn)練數(shù)據(jù)不足常用的一個技巧是“預(yù)訓(xùn)練-微調(diào)”（Pretraining-finetune），即大數(shù)據(jù)集上面預(yù)訓(xùn)練模型，然后在小數(shù)據(jù)集上去微調(diào)權(quán)重。但是，在訓(xùn)練數(shù)據(jù)極其稀少的時候（只有個位數(shù)的訓(xùn)練圖片），這個技巧是無法奏效的。圖2展示了一個檢測模型預(yù)訓(xùn)練過后，在單張訓(xùn)練圖片上微調(diào)的過程：盡管訓(xùn)練集上逐漸收斂，但是檢測器仍無法檢測出測試圖片中的物體。這反映出了“預(yù)訓(xùn)練-微調(diào)”框架的泛化能力不足。利用SpeedDP經(jīng)過大量的數(shù)據(jù)訓(xùn)練后，機器就能夠精確檢測跟蹤圖像中的物體。振動測試是否通過正是確定板卡能否在這樣的環(huán)境下正常完成工作的關(guān)鍵手段。

YOLO算法具有以下幾個明顯的優(yōu)勢：快速高效：YOLO算法采用單次前向傳播的方式進行目標檢測和跟蹤，相比傳統(tǒng)方法的多次掃描圖像，速度更快，適用于實時應(yīng)用。準確性較高：通過引入先進的卷積神經(jīng)網(wǎng)絡(luò)和相關(guān)技術(shù)，YOLO算法在目標定位和類別預(yù)測方面具有較高的準確性。多尺度處理：YOLO算法通過特征金字塔網(wǎng)絡(luò)和多尺度預(yù)測技術(shù)，可以處理不同大小的目標，并保持對小目標的有效檢測。端到端訓(xùn)練：YOLO算法可以進行端到端的訓(xùn)練，避免了多階段處理的復(fù)雜性，簡化了算法的實現(xiàn)和使用。成都RK3588智能跟蹤板提供商。重慶無線目標跟蹤

RV1126搭載AI智能算法，實現(xiàn)目標識別與跟蹤。重慶無線目標跟蹤

之所以能產(chǎn)生這種可見運動或表觀運動,是因為物體以不同的速度在不同的方向上移動,或者是因為相機在移動(或者兩者都有)在很多應(yīng)用程序中,跟蹤表觀運動都是極其重要的。它可用來追蹤運動中的物體,以測定它們的速度、判斷它們的目的地。對于手持攝像機拍攝的視頻,可以用這種方法消除抖動或減小抖動幅度,使視頻更加平穩(wěn)。運動估值還可用于視頻編碼,用以壓縮視頻,便于傳輸和存儲。被跟蹤的運動可以是稀疏的(圖像的少數(shù)位置上有運動,稱為稀疏運動),也可以是稠密的(圖像的每個像素都有運動,稱為稠密運動)跟蹤視頻中的特征點從前面章節(jié)介紹的內(nèi)容可以看出,根據(jù)特殊的點分析圖像,可以使計算機視覺算法更加實高效。重慶無線目標跟蹤