要编写AI图像智能跟随程序，可以采用以下步骤：1. 数据收集：收集关于目标对象的图像和标注数据（例如，目标物体的位置和大小）。

2. 特征提取：使用深度学习模型（例如卷积神经网络）将图像转换为特征向量。这将有助于识别目标物体并跟踪其位置。

3. 目标检测：使用目标检测算法（例如，YOLO或SSD）来检测图像中的目标物体并获取其位置和大小信息。

4. 跟踪算法：使用跟踪算法（例如，卡尔曼滤波器或粒子滤波器）来跟踪目标物体并更新其位置信息。

5. 控制系统：将跟踪结果输入到控制系统中，控制摄像头或无人机等设备，来实现智能跟随。

需要注意的是，编写AI图像智能跟随程序需要一定的深度学习和图像处理知识，同时需要大量的数据和计算资源来训练和优化模型。

实现AI图像智能跟随需要使用计算机视觉技术和机器学习算法，具体的编写流程如下：

1. 数据采集：使用相机或者其他摄像设备采集感兴趣的图像数据，并将其保存到本地或者云端存储空间中。

2. 数据预处理：对采集到的图像数据进行预处理，例如图像去噪、归一化等操作，使得数据符合模型训练的要求。

3. 训练模型：使用机器学习算法，比如深度学习算法，根据预处理后的数据训练出对应的模型，模型可以根据不同的特征进行分类或者回归。

4. 图像检测和跟随：使用训练好的模型对实时采集到的图像进行检测或者跟随。在检测阶段，模型可以识别出指定目标在图像中的位置和姿态，然后进行跟随操作。常用的图像检测算法包括Haar cascades、HOG+SVM、YOLO等。跟随操作可以使用物体检测跟踪算法，例如卡尔曼滤波器(Kalman filter)等。

5. 控制运动：将机器人或者摄像机对于目标的运动状态进行控制，根据检测或者跟随结果改变物体的位置和方向，以达到智能跟随的目的。

编写AI图像智能跟随需要考虑多个技术方面的问题，包括图像预处理、深度学习模型算法、图像检测与跟踪算法、机器人或者摄像机的运动控制等问题，需要具备扎实的计算机视觉和机器学习技术功底以及相关编程技术的支持。