吉林电力应急目标跟踪

近年来，伴随着大数据时代的来临，深度学习在计算机视觉的许多问题，如图像识别、人脸识别、目标检测领域都取得了巨大成功，与传统的目标检测算法相比，深度学习算法具有更好的表达能力、更高的准确性，深度神经网络在模型架构和学习过程上与人类认识和感知世界的神经系统类似。目标检测和识别现在是视觉方向热门的研究课题，也一直是工业界重点研究的对象。近几年，业内出现了各种各样的检测框架，不断刷新各种性能指标，然而受限于工业应用的性能与成本要求，效率-精度平衡的检测框架成为了优先。团队在该方向进行了一系列的优化设计，创建了全新的移动端实时检测框架，与其他流行的检测框架相比，该模型架构在准确性和延迟之间实现了更好的权衡，基于选用的硬件平台，可以实现性能优良的移动端实时物体检测。慧视光电开发的慧视RK3588图像处理板，采用了国产高性能CPU。吉林电力应急目标跟踪

视频监控中的多目标跟踪(MTT)是一项重要而富有挑战性的任务，由于其在各个领域的潜在应用而引起了研究人员的大量关注。多目标跟踪任务需要在每帧中单独定位目标，这仍然是一个巨大的挑战，因为目标的外观会立即发生变化，并且会出现极端的遮挡。除此之外，多目标跟踪框架需要执行多个任务，即目标检测、轨迹估计、帧间关联和重新识别。多目标跟踪分为目标检测和跟踪两个主要任务。为了区分组内对象，MTT算法将ID与在特定时间内保持特定于该对象的每个检测到的对象相关联。然后利用这些ID来生成被跟踪对象的运动轨迹。陕西国产目标跟踪RV1126处理板如何实现目标的识别及跟踪？

成都慧视光电技术有限公司的RK3399处理板是采用的国内AI智能开发板，植入慧视光电自主研发的智能图像算法，基于输入的可见光或者红外的视频流，可实时对目标进行自主检测、识别或者手动锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。双光测温组件是基于RK3399图像处理板，推出的一款用于高温人群体温筛查的组件产品。基于该组件，可快速展开各类用户终端产品的集成设计。其中可见光模组和红外测温模组，分别通过配套提供的FFC软排线与RK3399图像处理板连接。

成都慧视光电技术有限公司推出的国产化图像检测与跟踪智能处理板——RV1126处理模块，具有以下特点①处理模块使用瑞芯微的RV1126芯片，RV1126是一个高性能、低功耗的视觉处理SOC，具有丰富的外设和功能特性，尤其适合AI相关的应用；②4核CortexA7，每个核具有独自的NEON和FPU，每个核具有32KB的一级数据缓存和一级指令缓存，4核共用512KBL2缓存；③两个MIPICSI/LVDS/SubLVDS视频输入接口，每个接口支持4lane，MIPICSI每个lane的比较大速率为2.5Gbps/lane，LVDS比较大速率为1Gbps/lane；④ISP支持的最大分辨率为4416x3312；⑤支持H264，H265视频编码，比较大支持4096x2304@30fps；⑥神经处理单元（NPU），运算能力达到2Tops，支持INT8和INT16；⑦包含一个RISCV微控制器慧视光电开发的慧视RV1126图像处理板，采用了国产高性能CPU。

目标检测和跟踪是计算机视觉领域中的重要任务之一。随着深度学习的兴起，YOLO（You Only Look Once）算法在目标检测和跟踪领域引起了广关注。YOLO算法是一种在实时目标检测和跟踪领域具有重要地位的算法。通过引入卷积神经网络和一系列先进技术，YOLO算法在速度和准确性方面取得了明显的进展。然而，仍然有一些挑战需要解决，如目标尺度变化、小目标检测和复杂背景干扰等。随着研究的不断深入和技术的不断发展，YOLO算法有望在实时目标检测和跟踪领域发挥更大的作用。慧视AI算法是无人设备的“眼睛”。什么目标跟踪工程

慧视RK3399PRO图像处理板能实现24小时、无间隙信息化监控。吉林电力应急目标跟踪

在深度学习中，解决训练数据不足常用的一个技巧是“预训练-微调”（Pretraining-finetune），即大数据集上面预训练模型，然后在小数据集上去微调权重。但是，在训练数据极其稀少的时候（只有个位数的训练图片），这个技巧是无法奏效的。图2展示了一个检测模型预训练过后，在单张训练图片上微调的过程：尽管训练集上逐渐收敛，但是检测器仍无法检测出测试图片中的物体。这反映出了“预训练-微调”框架的泛化能力不足。利用SpeedDP经过大量的数据训练后，机器就能够精确检测跟踪图像中的物体。吉林电力应急目标跟踪