论文部分内容阅读
视频目标跟踪是近年来计算机视觉领域研究的热点和难点问题。视频目标跟踪现在已经广泛应用于智能交通、视频监控、人机交互、军事应用等众多领域,因此研究一种实时性好、鲁棒性强、准确度高的目标跟踪算法非常重要。在众多的目标跟踪算法中,Mean Shift算法因为具有实现简单、实时性好的优点得到了国内外的深入研究和高度的关注。本文以Mean Shift跟踪算法为基础,针对该算法在目标被严重遮挡以及目标尺度变化时无法准确跟踪到目标的缺点,提出了相应的改进算法。改进方面包括:(1)提出了Mean Shift和扩展卡尔曼滤波(EKF)相结合的抗遮挡目标跟踪算法,通过EKF的预测功能使目标在短时间被严重遮挡时以及目标重新出现时仍然可以有效地跟踪到目标。(2)提出一种以SIFT特征点提取为前提,基于仿射变换的目标尺度自适应的Mean Shift跟踪算法。根据相邻两帧之间图像特征点对求出仿射变换矩阵,由此得到窗口的位置平移和缩放比例变化,使目标窗口可以自适应的随着目标大小的变化而变化。同时针对传统PC实现的目标跟踪系统价格昂贵,系统复杂的缺点,深入研究了嵌入式DM642数字信号处理器平台的体系结构、软件开发流程和工程优化方法,最后将算法移植到DM642平台上并进行优化,设计实现了一款基于嵌入式DSP平台的目标跟踪系统。