:::info 使用环境：

• AR场景：图像检测与跟踪
• 项目（合辑）：图像检测与跟踪类型 :::

什么是图像跟踪？

图像跟踪全称：图像检测与跟踪，顾名思义，这个是分为两个部分图像检测与图像跟踪部分

在衡量一个图像跟踪场景是否体验好，需要充分考量图像检测与图像跟踪部分，即：

• 图像检测是否足够快
• 图像检测到后，呈现AR场景是否足够稳定

:::info 注意：平台中上显示的星级由“云识别”与“图像跟踪”共同计算而来，因此AR体验要以实际体验为准 :::

:::info

• 使用项目（合辑）功能（即多场景识别入口）时会用到云识别图片的算法，所以图像检测与跟踪的识别图除了遵守自身的图像跟踪图片规范外还需遵守云识别图片的规范。

• 如果没有使用到项目（合辑）功能，云识别检测结果非常不好（0星级）时，图片不能被上传到平台，这时候可以采取绕过后台云识别检测系统 :::

规范

类别	描述与示意
正确的图像格式	- jpg - jpeg
正确的颜色模式	设置为RGB颜色，这样也能及时的发现是否存在色差问题 导出图片文件时一定需要勾选“色彩空间” - “转换为sRGB”，导出文件后检查图片是否存在色差
适宜的图像分辨率	- 图像尺寸在480x480~1280x1280之间 - 建议图像尺寸为800左右

| | 适宜的图像宽高比 |
- 横版识别图宽高比控制在1:1~16:9，即将识别图宽度尺寸与高度尺寸比值保持在1.78~1之间
- 竖版识别图宽高比控制在9:16~1:1，即将识别图宽度尺寸与高度尺寸比值保持在0.56~1之间



| | 丰富的细节 |
- 如下是一些不好的图像

| | 避免大面积的空白 |
- 避免图像出现大面积的空白
- 空白多会影响跟踪稳定性


| | 避免重复图案
慎重使用对称图案 |
- 对称图像

:::info 注意：这里的对称图像，是避免设计出绝对对称的图像，如果只是如下图，看起来比较对称，但是实际上没有绝对对称时，以实际体验为准

:::



- 重复图像

以上图案制作为识别图后，很难图像检测 | | 均匀的特征分布 | 如下图：原图四周存在大面积的纯色，不利于识别


| | 关于提高对比图 | TODO | | 其它云识别与图像跟踪的区别 |
- 对图像特征点提取的原理不同
如下图，在云识别规范中来看，一些圆滑的图形非常不利用特征点的生成，导致星级只有一级，但是最终的图像跟踪也没有想象的差劲。

请注意：我们不是说就提倡使用上面的图像作为识别图了，毕竟实际体验的时候会存在一定的抖动。


- 对模糊图像，没有云识别那么严苛

如上图，丰富的图像尽管已经模糊，但是跟踪一样可以稳定的支持
注意：这并不代表着我们鼓励你用模糊的设计手段，而是表达，图像跟踪没有云识别苛刻，为了图像的设计性，有时候会使用一些模糊，整体影响不大 | | 避免使用渐变设计 | 如下图，请尽量避免这样的设计
|

不使用合辑时，星级为0，不能上传如何处理？

:::info

• 不使用项目（合辑）功能，云识别检测为0星不通过时，绕过后台云识别检测的方法
• 注意这些方法都需要实际测试适当使用，若发现更改后能绕过云识别检测，但是用原图识别跟踪不了，那就需要换其他方法或者更换识别图 :::

方法	描述与示意
图片四周添加文字
裁切图片尺寸
破坏图片结构

提高图像检测的一种方案

建议再上传识别图之前，先给识别图片加一圈白边，如果有可能，打印出来的图片也建议尽量带白边，如下图所示：

提高图像跟踪稳定性的其它方案

1.AR场景对象要紧密的放置在识别图上

2.识别图上的AR场景不宜太高

例如，有这样一个场景，扫描墙面上的海报，出现AR交互

那么用户在体验的时候就看看到模型很抖动，为什么会这样？像一栋大楼，摇晃1度，底层的用户不会有太大的感知，但是顶层就会晃动很大幅度。

同理，识别图上的模型本来抖动很微小，但是因为模型很高，那么顶部看起来就愈发的抖动，在用户实际体验的视角更夸张。

因此采用合理的AR交互也显得十分重要。

3.AR交互带上动画

人类是视觉动物，如果本身做的场景动画非常丰富，会在视觉上抵消抖动带来的不好体验（因为本来场景就在动的嘛）

例如，百事的案例，AR场景动画做的很丰富，抖动很大，尽管跟踪会抖动，但是实际用户很难察觉出来。