论文部分内容阅读
目标跟踪是计算机视觉的一个重要研究方向,它广泛应用于智能视频监控、智能机器人、医疗诊断、智能交通系统、国防建设等领域。现今,目标跟踪的理论研究主要在通用处理器上进行,但其在实际应用中主要用于嵌入式设备。嵌入式设备资源有限,实际应用时对算法的实时性要求较高,因而在通用处理器上可以完美运行的跟踪算法在嵌入式设备上将显得捉襟见肘。本文通过对近年来目标跟踪算法的研究,对经典主流跟踪算法DSST进行优化并应用FPGA进行算法加速,同时设计出目标跟踪系统的硬件电路。本文介绍了目标跟踪算法在复杂场景下的实际应用需求和发展历程,对不同跟踪算法进行了分析比较。同时通过对比分析算法在不同的嵌入式平台上实现的优缺点发现,FPGA具有并行处理能力强、功耗较低、体积小、开发周期短、灵活性高等特点,使用FPGA实现目标跟踪算法更加符合实际应用的需要。本文对跟踪算法DSST的原理进行了深入研究。为了降低存储资源和计算资源,针对其用33个尺度来进行尺度估计的方法,本文使用SAMF中尺度估计的方法对其进行优化,同时采用尺度估计、位置估计和模板更新并行进行的处理方式,极大地提高了计算速度。本文详细分析了优化后的DSST跟踪算法各个模块具体的硬件电路实现,将算法架构分为数据预处理模块、尺度计算模块、图像块提取模块、插值模块、HOG特征提取模块、相关滤波计算模块、位置信息和尺度信息计算模块以及目标信息更新模块共8个模块。在尺度计算模块采用7个尺度进行尺度预测,提高计算速度。在HOG特征提取模块采用灰度特征和32维HOG特征分8次进行处理,降低资源消耗。在相关滤波模块使用IP核复用技术在速度允许的范围内来节省资源。本文在目标跟踪算法的标准数据集上进行实验,对比软硬件的跟踪效果并分析跟踪性能产生差异的原因,同时对所优化跟踪算法的硬件设计的资源占用和跟踪帧频进行了详细分析。实验结果表明,与同类硬件实现相比,本文所优化设计的系统具有良好的性能表现。本文使用灰度特征和32维HOG特征进行相关滤波的计算,图像输入480640?,目标框128128?的情况下,理论帧频可达156帧/秒,本文设计的目标跟踪系统实时性鲁棒性较好。