陕西国产化目标检测

我国幅员辽阔，拥有漫长的边防海岸线，而边防海岸线的防卫是安全的重要一道屏障。近几年，卫生事件、国际形势的多变，更加加重了边防海岸线的防卫形势。目前重要的地方均建立了哨所，安装了监控系统，外加必要的人员巡逻，但是因为监控面大，无疑增加了人的的工作量，而且传统的监控系统普遍还处在只“监”不“控”的被动状态，出现了紧急事情后，大多只具备事后取证的功能，对于发生的可疑和异常行为无法起到预防、预警的功能。监控系统如果能够加入智能分析、自动跟踪、自动报警等功能，那么能有效的解决该问题，帮助安防人员能够更有效的发现问题同时很大程度的发挥监控系统其应有的监控能力。为了响应相关行业的迫切需求，成都慧视光电技术有限公司运用自身的图像算法和硬件平台开发优势，推出了系列国产化图像检测与跟踪板卡、全国产化RK3399PRO处理板、全国产化RV1126处理板等产品，全国产化RK3399PRO处理板因为其强大的硬件平台叠加基于行为的算法，能够有效的应对边防海岸线的迫切需求。无人机可能会受到敌方势力或者强风等因素干扰，造成不同幅度的振动，从而影响板卡能否正常完成任务。陕西国产化目标检测

人工智能的三个技术关键点：硬件平台、软件功能算法、底层算法异构平台。硬件平台因为要支撑深度学习等大规模并行计算的需要，这就对AI芯片的CPU、GPU要求较高以做到更好的储备数据、加速计算过程，在做好AI芯片选型后，只需要结合市场的需求做好电气接口即可。软件应用算法随着技术的积累，大部分厂家基本掌握了应用层面的算能，提升空间短期内不会出现大的跳跃。底层软件异构平台承载着硬件的选型、应用软件的算能，异构平台设计的优劣直接影响着硬件的设计水平及算能的实现能力。目前很多厂商采取使用公用软件平台，快速的实现软件功能，在AI芯片更新或者替换时，需要重新设计开发，消耗大量的人力、物力、时间。湖北单目标检测AI图像处理板能实现24小时、无间隙信息化监控。

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。

目前的跟踪算法分为两大研究方向：相关滤波和深度学习，其中基于相关滤波的方法在实时性方面有明显的优势，而基于深度学习的方法在跟踪准确性和鲁棒性方面优势较高。慧视光电团队针对实际应用过程中情况，尤其是在相机抖动、目标遮挡、变形和环境干扰的情况下，结合硬件平台性能，对相关滤波和神经网络进行优化设计，可获得更佳的跟踪效果。针对红外弱小目标，常用的模板类方法因提取不到有效的目标特征，在受到大量背景信息的干扰下，会出现跟踪失效情况。慧视光电团队以点跟踪技术为主体，结合模板类跟踪方法去除相机抖动干扰，再加入对目标的运动预测，研发了一种性能优异的红外弱小目标跟踪技术，在反无人机、远距离目标弹窗等领域得到的良好的应用。全国产化电子元器件——智能处理板。

目标遮挡是导致跟踪失败的一个重要原因，也是实现长程目标跟踪的关键问题。跟踪任务从始至终都只跟踪一个目标，一旦目标被遮挡，则会极大程度上影响跟踪准确度，甚至导致跟踪失败。因此，当面临遮挡问题时，目标跟踪任务的要求更加严格。目前，目标遮挡可以分为两种情况：部分遮挡和完全遮挡。部分遮挡意味着在图像中还存在部分目标，可以通过对这部分的目标进行判断进而确定目标的位置；完全遮挡则是在图像中找不到目标，可能发生在有大的物体完全遮住了跟踪目标。慧视光电的图像处理板具有抗遮挡能力。国产化处理板生产厂家—慧视光电。江西目标检测跟踪

Viztra-LE034图像跟踪板支持目标检测识别目标（人、车）。陕西国产化目标检测

每年我国校园事件、安全事故时有发生，每一次事故的背后都牵动着几个家庭的心，引发普遍的社会讨论。虽然问题的起因可能是多方面的，但是如何及时发现并制止是一个当前我们急需解决的问题。当前学校大多采用的是雇佣保安巡逻或者固定摄像头监控，但是并不能有效的解决问题，更多的是事后取证用。随着智能图像分析技术的的发展，我们在有限的摄像头监控范围内对人的行为进行分析，并对可疑行为及时报警，提醒安保的注意，及时处理，比如攀高行为分析、打架行为分析等等。陕西国产化目标检测