湖南开发AI智能目标跟踪

随着无人机在城市管理领域的大规模应用，采用无人机追踪地面车辆，然后配合地面拦截，成为一道风景线。让无人机搭载光电吊舱起飞，就能够通过无人机实现视频实时传输，远距离追踪车辆，实时上传记录位置，帮助地面执勤提升拦截效率。慧视VIZ-YWT201微型双光吊舱，集成了可见光摄像机、红外热像仪等传感器，能够对地面车辆进行昼夜观察、识别、捕获和跟踪，并及时上报目标的图像和坐标信息。除此之外，无人机还可以实现智能化追踪。通过在无人机光电吊舱中植入高性能的AI图像处理板，这些板卡在目标跟踪算法的赋能下，就能够对目标车辆进行锁定跟踪，即便是车辆短时间内收到视野阻挡，在车辆后续出现时，也能够立即锁定。这就是成都慧视开发的Viztra-HE030图像处理板。该板卡采用了瑞芯微高性能芯片RK3588，八核处理器能够输出6.0TOPS算力，可实时对目标进行识别或者人为的的锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。SpeedDP图像标注操作流程很简便。湖南开发AI智能目标跟踪

随着AI的快速发展，对应的软硬件也得到了快速的普及，苹果公司已经推出了新一代的具有AI功能的系列产品，Intel也推出了具有AI能力的新一代芯片。无论是无人机用吊舱产品还是边海防用转台产品，如果前端没有具有AI能力的图像处理板卡或智能跟踪设备，没有高性能的AI算法，很难在激烈的竞争中获得优势。特别是针对一些特定场景或特定目标的检测跟踪性能提升，图像算法工程师的压力与日俱增。按照传统的做法，需要经过数据采集、人工标注、模型训练、模型部署、效果评估等流程。湖南开发AI智能目标跟踪AI算法能够帮助进行空中哨兵建设。

YOLO（You Only Look Once）是一种目标检测算法，它使用深度神经网络模型，特别是卷积神经网络，来实时检测和分类对象。该算法开始被提出是在2016年的论文《You Only Look Once：统一的实时目标检测》中。自发布以来，由于其高准确性和速度，YOLO已成为目标检测和分类任务中很受欢迎的算法之一。它在各种目标检测基准测试中实现了高性能。就在2023年5月初，YOLO-NAS模型被引入到机器学习领域，它拥有更高的精度和速度，超越了其他模型如YOLOv7和YOLOv8。

虽然目前AI还没有那么让我们满意，但是在许多领域，当前的AI发展程度已经完全能够替代人工，胜任一些工作，图像标注就是其中之一。在人工智能、大数据分析、自动驾驶等行业都需要进行大量的图像标注工作，这些相关企业要么自己搭建团队，要么寻找外面的公司，于是就产生了大量的图像标注师岗位，这些岗位薪酬大都在4-6K之间，随着岗位数量的增多，成本也不断增加。对于专业的图像标注公司而言，有着源源不断的任务，那么这些图像标注师几乎不可能出现空挡时间，而对于有图像标注需求，但是这些需求并不持久、或者说断断续续，那么在这个空隙时间内，图像标注师就是一个闲职，产生的成本将是一个负担。毫秒级的AI图像标注工具SpeedDP。

慧视光电开发的Viztra-HE030图像处理板采用了工业级芯片RK3588，内部植入公司自主研发的智能图像算法，架构更先进，核心数8核（4大4小），算力6.0TOPS，支持丰富的输出接口，同时支持H264、H265两类视频编码。可实时对目标进行识别或者人为的的锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。这是达成目的的硬件条件。在算法领域，则需要一些特殊的算法。无人机执行任务时飞在高空，地面的物体就会显得较小，小目标通常指图像中像素面积小于32*32的物体，一般的AI算法难以实现精细锁定跟踪。SpeedDP深度学习算法开发平台。湖南开发AI智能目标跟踪

无论是用于图像分类、目标检测还是语义分割，长期以来人工标记的数据集一直是监督学习的基础。湖南开发AI智能目标跟踪

要解决小目标难以追踪的这个难题，慧视光电的算法工程师给出了小目标识别算法的方案，通过加强目标特征、数据增广、放大输入图像、使用高分辨率的特征、设计合适的标签分配方法，以让小目标有更多的正样本、利用小目标所处的环境信息或者其他容易检测的物体之间的关系来辅助小目标的检测。此外，利用自研的深度学习算法开发平台，通过不断的深度学习，能够让AI更加精细的识别目标。这个方法在瑞芯微RK3588、RV1126、RK3399pro等系列图像跟踪板上得到了较好地验证。因此，将这个算法用在无人机高空识别领域，完全能够弥补传统算法的不足，达到更加稳定锁定跟踪的目的。湖南开发AI智能目标跟踪