安全生產一直是發展過程中不變的話題。當前，我國建筑行業正處于高速發展階段，不少建筑工地陸續開工，建筑行業安全也越發受到社會各界的關注。該行業以事故高發、危險系數高而聞名，建筑工人常常暴露于高處墜落、電氣和化學危險以及涉及重型機械和車輛的環境中。一般情況下，工地開工都會對工人進行安全教育培訓，并且設有安全監管人員，但純人力監管，常常因為疏忽大意釀成悲劇。加入科技的力量如監控等設備來輔助人力監管是一個很好的補充，但是傳統監控也需要人守在屏幕前，也具有不小的弊端。于是，慧視光電基于AI圖像處理的監控監管方案就應運而生。Viztra-LE034圖像跟蹤板支持目標跟蹤識別目標（人、車）。靠譜的目標跟蹤工程

視覺跟蹤技術是計算機視覺領域（人工智能分支）的一個重要課題，有著重要的研究意義；且在導彈制導、視頻監控、機器人視覺導航、人機交互、以及醫療診斷等許多方面有著廣泛的應用前景。隨著研究人員不斷地深入研究，視覺目標跟蹤在近十幾年里有了突破性的進展，使得視覺跟蹤算法不只是局限于傳統的機器學習方法，更是結合了近些年人工智能熱潮—深度學習（神經網絡）和相關濾波器等方法，并取得了魯棒（robust）、精確、穩定的結果?？孔V的目標跟蹤工程慧視RV1126圖像處理板能實現24小時、無間隙信息化監控。

2010年以前，目標跟蹤領域大部分采用一些經典的跟蹤方法，比如Meanshift、Particle Filter和Kalman Filter，以及基于特征點的光流算法等。Meanshift方法是一種基于概率密度分布的跟蹤方法，使目標的搜索一直沿著概率梯度上升的方向，迭代收斂到概率密度分布的局部峰值上。首先Meanshift會對目標進行建模，比如利用目標的顏色分布來描述目標，然后計算目標在下一幀圖像上的概率分布，從而迭代得到局部密集的區域。Meanshift適用于目標的色彩模型和背景差異比較大的情形，早期也用于人臉跟蹤。由于Meanshift方法的快速計算，它的很多改進方法也一直適用至今。

在周界安防領域，傳統的攝像頭有畫無聲并不具備報警功能。慧視AI圖像處理板能夠賦能監控進行AI識別，當出現可疑人物有翻越等入侵行為時，監控能夠立即鎖定跟蹤目標人物，并向安保室發出警報，安保室人員能夠通過監控的AI跟蹤鎖定找到可疑人員的移動軌跡，便于糾察。此外，針對于夜間監控的不足，慧視雙光吊艙識別裝置能夠實現晝夜成像，白天通過可見光實現區域的監控畫面，在夜晚通過紅外實現道路或者目標區域的畫面成像，使得一些光線較差的區域也能實現清晰成像，避免被可疑人員鉆空。這樣就能在小區出入口、室外路口、周界、園區活動空間、地下室以及高空拋物防控等重要區域，通過智能監控聯動，實現小區全天候、24小時可視化報警監控。通過及時預警通知，規避安全風險，實現小區的安全管理。全國產化智能處理板應用廣闊。

設想這樣一個場景：孫悟空在飛行過程中完成了一次變化（這里假設他變成了一只鳥），但這個變化并不是像西游記拍攝中有煙霧效果完成的，而就是通過身體結構發生漸變來完成的，這種情況下，檢測器應該會在后續的檢測任務中失敗，因為設計好的檢測器只是為了檢測目標孫悟空的存在，孫悟空變身之后已經不存在這個目標，檢測器是不會有火眼金睛繼續檢測到變化后的孫悟空的。但是，對于跟蹤設備就不一樣了，跟蹤目標，哪怕目標在跟蹤過程中發生了巨大變化，這些都是跟蹤設備的本質能力。理想的跟蹤設備應該可以很好的跟上孫悟空漸變的整個過程，并且可以繼續后面變身之后對鳥的跟蹤。RK3588圖像處理板是我司自主研發的目標跟蹤板，該板卡采用國產高性能CPU，搭載自研目標跟蹤及跟蹤算法。靠譜的目標跟蹤工程

成都智能化目標跟蹤供應商?？孔V的目標跟蹤工程

YOLO算法具有以下幾個明顯的優勢：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，相比傳統方法的多次掃描圖像，速度更快，適用于實時應用。準確性較高：通過引入先進的卷積神經網絡和相關技術，YOLO算法在目標定位和類別預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絡和多尺度預測技術，可以處理不同大小的目標，并保持對小目標的有效檢測。端到端訓練：YOLO算法可以進行端到端的訓練，避免了多階段處理的復雜性，簡化了算法的實現和使用。靠譜的目標跟蹤工程