贵州静态目标检测

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。慧视AI板卡可以用于大型公共停车场。贵州静态目标检测

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。黑龙江企业目标检测产品智能图像处理在机场周界中的应用。

都市生活，为了解决末尾一公里出行的问题，共享单车出给现在人们的日常生活带来了极大的便利。它给人们倡导的是环保便捷健康的生活理念，于是推出后深受人们的欢迎，每天被大量的借助出行。但是随着多家共享单车的加入于是人们发现共享单车乱停乱放的事情不断发生，严重影响了市容市貌和文明城市的和谐，在局部的人流较集中的地方特别是交通枢纽，造成了局部拥堵，阻碍了大家的便利通行。针对上述情况，成都慧视光电技术有限公司推出的包含共享单车AI智能算法的“智慧共享单车调度平台”，专盯单车乱投放、乱停放的问题，近期已完成实际部署。

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。慧视光电推出全国产化RV1126处理板。

随着社会经济的发展，近年来汽车保有量持续上涨，同样的产生的汽车事故也越来越多。夜间行车的事故率要比白天高一半以上，因为夜晚行驶车辆时，光线不足、可视范围减少，会让驾驶人难以做出准确的判断，一旦有突发情况，驾驶人很难及时控制车辆，容易发生事故。针对这一情况，建议使用慧视光电的“慧眼”双光监测设备，可实现白天黑夜24小时监测车辆外界情况，利用红外线技术将黑暗变得如同白昼，使驾驶员在黑夜里看得更远更清楚，可及时识别外来车辆或则路面情况（积水识别、路面裂缝识别等），及时告警提示驾驶人员，提高驾驶安全性。慧视RK3588图像处理板能实现24小时、无间隙信息化监控。黑龙江企业目标检测产品

智能化的图像处理板还可以实现自动化的数据分析，实现降本增效。贵州静态目标检测

无人驾驶汽车是计算机视觉技术应用的重要领域。在自动驾驶过程中，通过对车道线、前后方车辆和行人等目标的准确识别，为更高级的行为选择、障碍物规避以及路径规划功能提供了基础，这其中的一项关键技术就是目标跟踪。由于实际路况极为复杂，基于传统目标检测的辅助驾驶技术性能难以得到大幅提升。随着技术的发展，采用深度学习可以直接学习和感知路面和道路上车辆的特征，经过一段时间的正确驾驶过程，便能学习和感知实际道路情况下的相关驾驶技能，无需再通过感知具体的路况和各种目标，大幅提升了辅助驾驶算法的性能。贵州静态目标检测