学位论文 > 优秀研究生学位论文题录展示
运动目标检测与跟踪算法研究及其DSP实现
作 者: 薄银松
导 师: 杨光红
学 校: 东北大学
专 业: 控制工程
关键词: 目标检测 目标跟踪 Mean Shift 粒子滤波 DM643
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 1次
引 用: 0次
阅 读: 论文下载
内容摘要
视频序列中的运动目标检测与跟踪技术是计算机视觉领域研究的热点问题之一。它通过对视频序列中各帧图像的处理与分析,实现对运动目标的检测、定位与跟踪,以获得运动目标的状态参数,为更高层次的行为理解提供数据依据。随着算法理论与硬件处理技术的不断发展,目标检测与跟踪技术已广泛应用于武器导航、小区监控、智能交通、辅助驾驶、人机交互等领域。因此,对视频图像序列中运动目标检测与跟踪技术的研究具有很高的实用价值。本文主要的工作可概括如下:在运动目标检测方面,采用一种帧间差分与背景差分相结合的算法。该算法根据连续视频图像序列的逐帧差分结果来重构背景,并进行实时的背景更新,能够在含有运动目标的视频序列中较好的提取出背景,从而利用背景差分检测出运动目标,再经过形态学处理,消除噪声的影响,使得提取出的目标状态信息完全满足后续处理的需要。作为本文的研究重点,在运动目标跟踪方面,为了解决目标跟踪中的遮挡问题,本文有效的结合了Mean Shift算法和粒子滤波算法。改进的算法利用Mean Shift算法的聚类作用对样本粒子分布进行优化,将粒子聚集在更靠近目标真实位置的区域,从而更有效的描述目标状态,使得用较少的粒子也能体现出粒子滤波算法的鲁棒性。该算法在满足实时性要求的前提下,很好的解决了目标跟踪中的遮挡问题。最后,在前面算法研究的基础上,完成了运动目标检测与跟踪系统的设计。硬件部分采用SEED_DEC643开发平台,该平台以TI公司的DM643芯片为核心。软件部分在基于RF5框架的CCS集成开发环境中进行,并详细介绍了算法的实现过程。
|
全文目录
摘要 5-6 Abstract 6-11 第1章 绪论 11-17 1.1 课题研究的背景和意义 11-12 1.2 国内外研究现状 12-13 1.2.1 运动目标检测 12-13 1.2.2 运动目标跟踪 13 1.3 研究难点 13-14 1.4 论文的主要内容及结构安排 14-17 第2章 运动目标检测 17-27 2.1 引言 17 2.2 运动目标检测常用方法 17-18 2.2.1 帧间差分法 17-18 2.2.2 背景差分法 18 2.3 帧间差分与背景差分相结合的算法 18-23 2.3.1 算法描述 19-20 2.3.2 形态学处理 20-23 2.3.3 近区域合并 23 2.4 实验结果与分析 23-25 2.5 本章小结 25-27 第3章 基于Mean Shift算法的运动目标跟踪 27-39 3.1 引言 27 3.2 Mean Shift算法理论 27-32 3.2.1 非参数密度估计 27-29 3.2.2 Mean Shift算法 29-32 3.3 基于Mean Shift算法的目标跟踪 32-36 3.3.1 Mean Shift目标跟踪算法原理 32-35 3.3.2 Mean Shift算法的特点 35 3.3.3 Mean Shift目标跟踪算法步骤 35-36 3.4 实验结果与分析 36-37 3.5 本章小结 37-39 第4章 基于改进粒子滤波算法的运动目标跟踪 39-57 4.1 引言 39 4.2 粒子滤波算法理论 39-47 4.2.1 Bayes滤波原理 40-42 4.2.2 蒙特卡罗方法 42 4.2.3 Bayes重要性采样 42-43 4.2.4 序列重要性采样 43-45 4.2.5 粒子退化问题与重采样 45-47 4.3 基于粒子滤波算法的目标跟踪 47-49 4.3.1 目标描述 47 4.3.2 系统模型 47-48 4.3.3 目标定位 48-49 4.3.4 重采样 49 4.4 结合Mean Shift和粒子滤波算法的目标跟踪 49-54 4.4.1 系统状态空间及系统动态模型 50-51 4.4.2 Mean Shift粒子优化 51 4.4.3 系统观测模型 51-52 4.4.4 目标定位 52-53 4.4.5 算法步骤 53-54 4.5 实验结果与分析 54-55 4.6 本章小结 55-57 第5章 运动目标检测与跟踪系统实现 57-73 5.1 引言 57 5.2 系统硬件平台 57-62 5.2.1 SEED DEC643开发板 57-59 5.2.2 系统硬件结构 59-60 5.2.3 TMS320DM643视频口 60-61 5.2.4 视频数据的存储管理 61-62 5.3 软件开发环境 62-66 5.3.1 软件开发平台 62-63 5.3.2 实时操作系统DSP/BIOS 63-64 5.3.3 RF5框架 64-66 5.4 算法实现 66-72 5.4.1 算法流程设计 66-68 5.4.2 基于RF5框架的系统结构 68-69 5.4.3 算法优化 69-72 5.5 本章小结 72-73 第6章 总结与展望 73-75 6.1 工作总结 73-74 6.2 展望 74-75 参考文献 75-79 致谢 79
|
相似论文
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 有标记点的人体三维运动数据获取方法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- Mean Shift结合拓扑约束法进行高密度细胞追踪,Q25
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 无线传感器网络的目标定位跟踪算法研究,TN929.5
- 非稳定背景下的运动目标检测与鲁棒跟踪方法研究,TP391.41
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 复杂场景中运动目标的检测与跟踪,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 视频运动目标跟踪方法研究,TP391.41
- 工业应用中的目标检测与精确定位技术,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|