与平面图像跟踪的混合使用

图像云识别还可与平面图像跟踪结合使用，实现“识别+持续跟踪”的混合模式。本篇将介绍如何使用，并分析其优势与适用场景。

工作流程

混合模式的核心是云端识别与本地跟踪的无缝衔接，流程如下：

云端识别阶段

1. 发送请求：设备摄像头捕获当前画面，并将图像上传至 CRS 服务器。
2. 云端匹配：CRS 在目标库中检索，返回匹配目标的 ID 以及图像数据（Base64 编码）。
3. 结果接收：客户端收到识别结果，触发后续处理逻辑。

本地跟踪阶段

1. 图像解码：客户端将 Base64 数据解码为图像，并据此在本地生成一个 ImageTarget 实例。
2. 初始化跟踪：初始化 ImageTracker 并调用 loadTarget 方法，启动平面图像跟踪。
3. 持续跟踪：设备本地计算 6DoF 位姿，虚拟内容实时跟随图像移动。

混合使用的优势

相比单独使用云识别，混合使用的模式在以下方面表现更优：

• 减少误识别概率
  单独使用云识别时，若目标库中有相似图像，可能返回错误目标。借助本地图像跟踪后，本地跟踪会持续验证图像特征。若图像实际内容与识别结果不匹配，跟踪会快速丢失，触发重新识别。 因此混合使用可极大地降低云识别的误识别率。

• 支持持续跟踪与交互
  单独使用云识别只能返回目标的 ID，无法支持旋转、缩放等持续交互。在混合模式下，识别后立即切换至本地跟踪，支持 6DoF 实时位姿更新。用户可移动设备或图像，虚拟内容始终跟随，适合 AR 游戏、产品展示等场景。

• 降低云端负载
  频繁调用云识别（如每秒1次）会增加服务器压力和延迟。在混合模式下，识别成功后，后续跟踪由设备本地完成，无需持续上传图像。仅在跟踪丢失时重新触发云识别，可以大幅度减少云端请求量，降低客户端的网络流量消耗。

• 弱网环境适应性
  单独使用云识别在网络不稳定时容易超时或失败。在混合模式下，一旦识别成功后，即使网络断开，本地跟踪仍可继续工作。可结合本地目标库，为应用在网络恢复前提供降级体验。

最佳实践

选择是否使用云识别、平面图像跟踪或混合模式时，可根据以下维度评估：

如何选择功能

应用特点	推荐方案	理由
目标数量 < 100个	平面图像跟踪	本地内存充足，无需网络依赖
无网络或网络不稳定	平面图像跟踪	避免识别失败，确保离线可用
目标需实时更新	云识别	上传后立即生效，适合动态内容
设备性能有限	云识别	嵌入式设备或有极端功耗要求
无持续跟踪需求	云识别	如一次性扫描识别，无需跟踪

何时选择混合模式

• 目标数量大（>100个）：云端存储无限，本地仅加载当前目标，节省内存。
• 需要持续交互：如 AR 教育（识别教材后旋转 3D 模型）、AR 营销（识别产品后查看 3D 演示）。
• 误识别敏感：如医疗、工业场景，需确保识别准确性。
• 弱网环境需降级：识别成功后，网络断开仍可继续跟踪。

总结与扩展

云识别与平面图像跟踪的混合模式结合了云端的大容量和本地的持续跟踪能力，特别适合需要高准确性和交互性的复杂场景。开发者应根据目标数量、更新频率、网络环境和交互需求，灵活选择单独功能或混合模式。