学位论文 > 优秀研究生学位论文题录展示

基于DSP的多目标跟踪系统算法研究

作　者: 李秋竹
导　师: 何伟
学　校: 重庆大学
专　业: 信号与信息处理
关键词: DSP 多目标捕获多目标跟踪轨迹预测多目标识别
分类号: TP274
类　型: 硕士论文
年　份: 2007年
下　载: 411次
引　用: 4次
阅　读: 论文下载

内容摘要

运动多目标的检测、识别与跟踪在工业应用、导航特别是武器制导等军事领域得到了广泛的应用。论文从算法和实验的角度,对多目标检测、识别与跟踪技术及其实时处理方法进行了研究,在满足实时性要求的前提下,克服环境影响和噪声干扰,实现了多目标的连续、稳定的跟踪。整个系统分为多目标捕获和多目标跟踪两大阶段。多目标捕获阶段又分为多目标搜索和多目标检测两个部分。多目标搜索阶段的操作主要是去除背景。本文结合帧差法和多帧累积法的思想,采用了基于自适应背景相减的改进的差异累积图像法,搜索到所有运动对象及其大致位置。在多目标检测阶段采用由粗到精两步检测法,先用图像标识法粗检测出运动目标,再采用一维最大类间方差图像分割法结合改进的区域生长法精确检测出真目标。在多目标跟踪阶段,跟踪策略采用自适应多波门跟踪法,每个目标对应一个波门进行自适应跟踪,多个波门之间采用优先级策略进行控制。目标跟踪的算法主要采用预测算法,对目标的轨迹、速度,以及波门的位置进行预测。本文通过对线性逼近、标准Kalman滤波和Sage-Husa自适应滤波三种预测方法进行Matlab仿真比较,根据现场环境和系统实时性分析了最佳算法的选取原则。跟踪过程中,还对目标被遮挡、目标丢失、出现新目标等特殊情况进行了较好地应对。在多目标捕获和跟踪过程中,目标识别技术是非常重要的。本文采用计算目标特征信息和模板匹配的方法,设置一定条件实时更新特征信息和模板,实现了对目标的自适应判决识别。整个软件系统中采用链表+目标特征信息结构体的思想进行编程,有效地解决了目标多,信息杂,难以查找和管理的问题。本文的跟踪算法成功地在PC机上和基于DSP的多目标跟踪系统上得到了验证。验证结果表明,在一定误差范围内,系统可以准确捕获到多目标;在目标运动的一定速度范围内,可以实时地连续跟踪各个目标。证明这一系列算法具有较高的可行性。

全文目录

摘要  3-4
ABSTRACT  4-10
1 绪论  10-13
  1.1 课题研究背景及意义  10-11
  1.2 国内外现状综述  11-12
  1.3 论文主要内容安排  12-13
2 多目标跟踪系统算法的总体设计方案  13-21
  2.1 系统总体算法设计思路  13-15
    2.1.1 多目标图像特征及系统工作状态  13-14
    2.1.2 系统总体算法策略及流程  14-15
  2.2 多目标跟踪系统中的关键算法  15-17
    2.2.1 目标检测阶段的两步法  15
    2.2.2 基于特征信息和模板匹配的多目标识别法  15-16
    2.2.3 自适应多波门跟踪法  16
    2.2.4 链表＋数据结构思想编程  16-17
  2.3 不同阶段的算法及流程  17-21
    2.3.1 捕获阶段的算法及流程  17-18
    2.3.2 跟踪阶段的算法及流程  18-21
3 运动多目标的捕获  21-35
  3.1 常用目标检测算法概述  21
  3.2 图像预处理  21-23
    3.2.1 各种预处理算法综述  21-22
    3.2.2 中值滤波原理  22
    3.2.3 改进的中值滤波算法  22-23
  3.3 多目标搜索  23-27
    3.3.1 差值图像  23-24
    3.3.2 差异累积图像 ADI  24-25
    3.3.3 对差异累积图像法的改进  25-27
  3.4 多目标粗检测  27-29
    3.4.1 图像标识方法基础  27-28
    3.4.2 多目标的标识过程  28-29
  3.5 多目标精检测  29-35
    3.5.1 图像阈值分割法  29-32
    3.5.2 区域生长法  32-34
    3.5.3 多目标精检测实验结果  34-35
4 运动多目标的跟踪  35-54
  4.1 预测跟踪算法原理  35-36
  4.2 多目标轨迹预测算法  36-45
    4.2.1 线性预测算法  36-37
    4.2.2 Kalman 滤波算法基础  37-38
    4.2.3 标准 Kalman 滤波算法  38-41
    4.2.4 Sage-Husa 自适应滤波  41-43
    4.2.5 用 Sage-Husa 自适应算法进行目标位置预测  43-45
  4.3 MATLAB仿真结果及结论  45-49
  4.4 自适应多波门跟踪  49-51
    4.4.1 自适应多波门跟踪的原理  49-50
    4.4.2 多波门跟踪工作过程  50-51
  4.5 多目标跟踪实验结果  51-54
5 捕获与跟踪中的多目标识别  54-64
  5.1 多目标特征信息参数的建立  54-57
    5.1.1 目标特征参数的选取  54-55
    5.1.2 目标特征参数模型的建立  55-57
  5.2 目标的匹配识别算法  57-59
    5.2.1 模板匹配算法  57-58
    5.2.2 序惯相似性检测法 SSDA  58-59
  5.3 多目标识别的实现  59-64
    5.3.1 链表结构体的建立  59-60
    5.3.2 目标的分类识别  60-62
    5.3.3 多目标识别的实验结果  62-64
6 基于DSP 的多目标跟踪系统  64-74
  6.1 SEED-VPM642 开发板简介  64-65
  6.2 TMS320DM642 性能简介  65-67
    6.2.1 DM642 的功能特点  65-66
    6.2.2 DM642 的应用开发  66-67
  6.3 CCS 集成开发环境及DSP/BIOS  67-70
    6.3.1 CCS 集成开发环境简介  67
    6.3.2 DSP/BIOS 及其在多目标系统中的应用价值  67-70
  6.4 DSP 环境下编程的优化实现  70-71
    6.4.1 利用EDMA 进行图像数据传输  70
    6.4.2 C 语言编程的优化  70-71
  6.5 多目标跟踪系统的整体结构  71-74
7 结论  74-76
致谢  76-77
参考文献  77-80
附录  80

基于DSP的多目标跟踪系统算法研究

内容摘要

全文目录

相似论文