「2019」「RM圆桌」第五期 抢人头要靠自瞄

还是那句话，如果有疑问，随时提哈，我们有在收集的！

视觉算法设计到大量像素运算，为了保证实时性同时不牺牲性能，都有哪些优化方案？

3、  自瞄算法的一般思路

1） 设置合适的相机帧率和曝光时间：在自瞄的应用下，较高帧率和较低的曝光时间对图像处理有很大的帮助，可以避免过多噪声，防止运动过快导致图像模糊，这些参数需要在不同光照条件下进行测试调参。
2）图像预处理
因为灯条分为红蓝两色，预处理时可以采取颜色分割的方法将图像处理为二值图方便下一步的灯条提取。
HSV颜色空间分割：通常相机获取得到的图像都是RGB颜色空间，不方便直接进行颜色分离，因此转化为HSV颜色空间再进行分割。
  HSV颜色空间由色调（Hue）、饱和度（Saturation）、亮度（Value）三个分量构成，HSV更接近于人眼的主观感受。我们可以通过下面的图来展示HSV颜色分布情况：

登录/注册后可看帖子

请问视觉解算出角度后，与电控之间的配合，有什么需要注意的吗？

请问在自瞄系统中高性能工业相机是否必要，算法效率真的可以发挥高性能工业相机的性能优势吗？

深度学习做检测一般可以达到很高的准确率，但是一般比c++ +opencv方案会更耗时，用深度学习做自瞄这个思路靠谱吗

（上面的回答有图片，大家可以到原贴看哈！）嗯嗯~讲完一般思路，我还有个疑问，自瞄大家都有做，怎样才能做得稳呢？（做自瞄有什么诀窍？）

4、  自瞄大家都有做，怎样才能做得稳呢？（做自瞄有什么诀窍？）

  1）硬件的选型很重要，有个好的相机可以解决很多算法上的问题，并使算法效益最大化

   相机通常有以下一些参数

        a.曝光方式（Exposure）：全局快门/卷帘快门

        b.分辨率（Resolution）

        c.最大帧率（Frame Rate）

        d.快门速度（Shutter）

        e.接口类型：usb2.0/usb3.0/GigE/CSI等

    f. 光谱响应特性（Spectral Range）：是指该像元传感器对不同光波的敏感特性

    ….等等

·工业相机与普通相机的部分区别

1. 工业相机的性能稳定可靠，普通相机轻便小巧，易于安装；

2. 工业相机的快门时间短，可以抓拍高速运动物体；

3. 工业相机的帧率通常远远高于普通相机；

4. 工业相机(Industrial Camera)相对普通相机(DSC，Digital Security Control)来说价格较贵。

根据实际需求，选择一个合适的相机对结果非常重要。

  2）专注于一点并做到极致，比哪里都做一点的效果更好

  例如：大部分学校的自瞄都会出现“跟不上”既云台瞄准跟不上目标的移动，这里提供一个idea，与其想各种各样的预测算法，不如先把现有代码优化到极致，使它的实时性最高并最小化误识别率，最终效果可能会让你意料之外的好。

  3）巧妙运用GPU加速

  Opencv包含了CUDA（CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题）加速的版本，有些图像的操作在GPU上的速度会大大提高，而TX2、TX1这类嵌入式平台，往往CPU的处理能力有限，如果所有算法都在CPU上跑效率会大打折扣，而TX2、TX1恰巧完美支持CUDA和提供各种图像加速的API。

请问进行目标跟踪时有哪些算法能有效帮助我们进行实时跟踪呢

工业摄像机 如果选择高帧率 那么就低像素 如果高像素 那么就帧率就会下降 请问你们是怎么选择的