论文部分内容阅读
近年来,视频跟踪技术取得了显著的进展,并已在许多领域得到广泛应用。但是,目前的视频跟踪技术与实际需求仍有相当大的差距。论文从当前视频跟踪系统在实际应用中面临的问题出发,对视频跟踪系统涉及的一些关键算法及硬件实现平台进行了深入研究,重点研究了两个方面的问题:1)研究了视频跟踪系统所涉及的图像去噪声和目标跟踪算法,寻找消弱环境噪声、烟雾、遮挡等环境因素影响,提高跟踪精度的方法;2)研究视频跟踪涉及到的一些关键算法,根据算法研究分析、提取算法基本操作,建立面向视频跟踪系统的专用粗粒度的可重构硬件架构。本课题得到了国家自然科学基金项目“新一代图形处理系统芯片体系结构及关键技术研究(61136002)和“三维视频处理系统芯片动态可重构可编程体系结构研究(61272120)”的支持。作者在本文中完成的工作主要包括以下几方面:1、对图像去噪算法进行了较为系统的研究,在此基础上重点研究了基于Contourlet变换的图像去噪算法。利用非下采样Contourlet变换的平移不变性和Context模型能够实现对子带图像精细分类,并且具有较低的分类开销的特性,提出了一种结合非下采样Contourlet变换和Context模型的图像去噪算法。实验结果表明所提出的方法能够有效去除图像白噪声,与现有的一些小波域或Contourlet变换域去噪算法相比,在峰值信噪比和主观视觉效果方面均有改善。2、对视频跟踪算法进行了较为全面的研究,重点对卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波、以及标准粒子滤波等基于概率估计的跟踪算法进行了深入分析。在此基础上,为提高粒子滤波跟踪估计精度,提出一种新的结合RTS最优平滑的迭代EKF粒子滤波方法。算法主要基于RTS固定区间两步平滑算法的思路,在前向步骤中采用迭代扩展卡尔曼滤波获取非线性系统的最大后验概率估计,然后,从最后时间步开始,对滤波结果实施RTS固定区间平滑修正生成采样粒子,使其融入最新观测信息的同时更加符合系统真实状态的后验概率分布,对观测噪声具有较好的抑制能力,从而显著提高了跟踪稳定性及准确性。一维及二维模型的仿真结果验证了所提出算法的有效性。3、对视频跟踪算法中用到的图像去噪和跟踪算法进行了分析、提取了算法基本操作,并研究了适合视频跟踪应用的硬件特征。基于数据流模式和可重构技术提出了一种面向视频跟踪应用的粗粒度的可重构静态数据流硬件架构(Reconfigurable Static Data-flow hardware Architecture,RSDA),RSDA利用可重构硬件互联以及操作单元之间的硬件握手结构,克服了传统数据流实现方式的低效性,实现了架构的高度并行处理能力,并具有容易编程的特点。在Altera公司的FPGA上实现了所提结构,并与ASIC及一种优化了的GPU实现方法进行了性能对比。4、分析了所提RSDA结构的缺点,在保持所提RSDA结构的优点的前提下,采用将各种并行形式统一在一个单一结构中的思想,提出了一种更具使用灵活性和可编程性的可重构多态阵列处理器结构-PRMA,并对结构进行了初步的仿真分析。仿真结果表明PRMA能实现与RSDA相似的数据吞吐量,并有更好的可编程性。