無人機的智能化是推動低空經濟發展的重要引擎，打造智能無人機需要通信、控制、傳感器等多種技術的共同作用，其中圖像處理板的目標檢測識別技術能夠在智慧巡檢、智慧交通管理、智慧河湖巡查等領域有著積極作用。在成都慧視開發的多款圖像處理板中，Viztra-LE026以小型化、低功耗的特點深受行業青睞。Viztra-LE026圖像處理板采用了全國產化芯片RV1126，板卡外形呈圓形設計，尺寸為Φ38mm*12mm，重量12g，雖然小巧，但是算力可達2.0TOPS，能夠憑借1路MIPI視頻輸入和1路DVP視頻輸入實現對目標實時自主檢測、識別，并自動或手動鎖定跟蹤人、車、船等目標。智能圖像跟蹤在機場周界中的應用。吉林可靠目標跟蹤

經過算法的不斷升級驗證，Viztra-LE026圖像處理板能夠以30Hz的幀率跟蹤像素為2*2的目標，能夠識別**小像素為12*12的目標，整個延遲不高于100ms，識別精度能夠大于85%。無人機作業，續航是使用者首要考慮的。Viztra-LE026的設計正是考慮了這項因素，首先重量上就不會給無人機增加過多負擔，尺寸方面也無需過多空間，低于4W的功耗對于整個無人機的續航影響也是微乎其微。綜合這些特點，可見Viztra-LE026圖像處理板和無人機的完美契合，將是各領域打造智能無人機的得力助手。云南網絡目標跟蹤無人機吊艙能夠通過定制算法和精細定位技術實現農藥精細噴灑、農作物精細拋糧等操作。

從軟件的角度來看，整個視頻跟蹤系統主要是由電視攝像機及控制、圖像獲取模塊、圖像顯示模塊、數據庫，運動檢測，目標跟蹤，報警輸入和人機接口模塊等組成的。視覺計算模塊是視頻跟蹤系統的重點，是實現目標檢測和跟蹤的關鍵，如圖3所示。一般采取先檢測后跟蹤(Detect-before-Track)方式，目標的檢測和跟蹤是緊密結合的。檢測是跟蹤的前因，并為跟蹤提供了目標的信息(如目標的位置，大小，模式和速度估計等)，而跟蹤則是檢測的延續，實時利用檢測得到的知識去驗證目標的存在。

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。慧視RV1126圖像跟蹤板支持目標跟蹤識別目標（人、車）。

無人機的迅猛發展，使得無人機的反制技術也水漲船高，常見的有電子干擾、無人機識別對抗等方式。后者采用圖像識別技術，通過在無人機攝像頭的基礎上加裝AI高性能圖像處理板，在算法的作用下，就具備無人機識別的功能，為無人機對抗創造條件。由于無人機飛行速度極快，因此針對于這樣環境下的AI識別需要“與眾不同”的圖像處理板。我們都知道，當視頻幀率越高時，視頻越能夠體現畫面細節信息，而圖像識別算法正是逐幀進行識別，因此，攝像頭捕捉到的畫面細節越多，識別的精度就會越高。RK3399PRO圖像處理板識別概率超過85%。寧夏比較好的目標跟蹤

AI算法賦能下的圖像處理板能夠進行目標識別。吉林可靠目標跟蹤

相關濾波的跟蹤算法始于2012年P.Martins提出的CSK方法，作者提出了一種基于循環矩陣的核跟蹤方法，并且從數學上完美解決了密集采樣（Dense Sampling）的問題，利用傅立葉變換快速實現了檢測的過程。在訓練分類器時，一般認為離目標位置較近的是正樣本，而離目標較遠的認為是負樣本。回顧前面提到的TLD或Struck，他們都會在每一幀中隨機地挑選一些塊進行訓練，學習到的特征是這些隨機子窗口的特征，而CSK作者設計了一個密集采樣的框架，能夠學習到一個區域內所有圖像塊的特征。吉林可靠目標跟蹤