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。慧視光電的AI模塊能夠跟蹤2×2 像素（質心跟蹤）、8×8 像素（相關跟蹤）的目標。湖南目標跟蹤設備

通常，遮擋可以分為三種情況：目標間遮擋、背景遮擋、自遮擋。對于目標之間的相互遮擋，可以選擇根據目標的位置和目標特征的先驗知識來處理這一問題。而對于場景結構的導致的部分遮擋此方法則難以判斷，因為難以辨認究竟是目標形狀發生變化還是發生遮擋。所以，處理遮擋問題的通用方法是用線性或非線性動態建模方法對運動目標進行，并在目標發生遮擋時，預測目標的可能位置，一直到目標重新出現時再修正它的位置。可以用卡爾曼濾波器來實現估計目標的位置，也可以用粒子濾波對目標做狀態估計。高效目標跟蹤好選擇工程師以RK3399核心板為基礎進行定制開發，讓攝像頭更加智能高效，能夠輸出高清流的圖像視頻。

目標檢測與目標跟蹤這兩個任務有著密切的聯系。針對目標跟蹤任務，微軟亞洲研究院提出了一種通過目標檢測技術來解決的新視角，采用簡潔、統一而高效的“目標檢測+小樣本學習”框架，在多個主流數據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典的基礎任務。跟蹤任務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容，為后續的進一步分析打下基礎。

美國再度要求臺積電停止出口7納米芯片給大陸，目前看來國產AI圖像處理的性能還得由RK3588穩坐，不久前傳出了瑞芯微RK3688至少在一兩年內無法推出，因此對于許多有高性能AI圖像處理板需求的客戶無需再等了。當下，選擇RK3588至少還可以保持性能***兩三年，而在國內進行RK3588開發的廠家中，成都慧視憑借多年的豐富經驗，已經形成一整套快速的開發流程，針對于RK3588這樣的高性能圖像處理板，能夠快速定制SDI、CVBS、DVP、Cameralink等接口，滿足不同行業的需求。并且，隨著不少領域等目標跟蹤穩定性的進一步提升，針對于高幀頻目標跟蹤這塊，成都慧視也完成了成熟的方案，通過RK358+FPGA，實現高幀頻相機的輸入輸出，為目標跟蹤提供更多的細節信息。慧視光電開發的慧視AI圖像處理板，采用了國產高性能CPU。

另外，經典的跟蹤方法還有基于特征點的光流跟蹤，在目標上提取一些特征點，然后在下一幀計算這些特征點的光流匹配點，統計得到目標的位置。在跟蹤的過程中，需要不斷補充新的特征點，刪除置信度不佳的特征點，以此來適應目標在運動中的形狀變化。本質上可以認為光流跟蹤屬于用特征點的來表征目標模型的方法。在深度學習和相關濾波的跟蹤方法出現后，經典的跟蹤方法都被舍棄，這主要是因為這些經典方法無法處理和適應復雜的跟蹤變化，它們的魯棒性和準確度都被前沿的算法所超越，但是，了解它們對理解跟蹤過程是有必要的，有些方法在工程上仍然有十分重要的應用，常常被當作一種重要的輔助手段。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。高效目標跟蹤好選擇

目標跟蹤圖像傳感器。湖南目標跟蹤設備

成都慧視光電技術有限公司開發的RK3588系列圖像處理板Viztra-HE030圖像處理板能夠在算法的支持下，對高速公路上的車輛進行檢測識別，對個別車輛進行指定安全跟蹤和檢測，這將有助于有關部門進行測速和安全駕駛的管理偵查。通過實時數據的采集分析，還能夠找出高速擁堵源頭，為交通疏導提供精細信息，為提升整條道路的通行效率提供幫助。在夜間，圖像處理板也可以和紅外相機有機結合，實現AI檢測識別的功能。24小時工作能力也為全天時的交通管理提供技術支撐。湖南目標跟蹤設備