论文部分内容阅读
作为计算机视觉领域的基本技术之一,目标跟踪技术在自动驾驶、视频监控、武器导引等方面有着广泛的应用。在各种架构的嵌入式平台中,FPGA+DSP架构的嵌入式平台在图像处理运算中具备优势,并且性价比较高。为此,选择使用FPGA+DSP架构的嵌入式平台完成目标跟踪任务。针对平台计算能力较弱的特点及不同应用场景的需求,提出了一种局部辅助定位目标跟踪算法和一种全图重检测目标跟踪算法,并移植到了嵌入式平台。论文开展的具体工作如下。
(1)提出了一种局部辅助定位目标跟踪算法。算法包括自适应更新的时空上下文连续跟踪环节和自适应更新的压缩感知重定位环节两个部分。OTB2013测试框架是国际通用的目标跟踪算法评测框架,能够评价算法在复杂跟踪场景下的综合性能。使用该框架对算法的跟踪效果进行测试,算法跟踪精度较基准算法提升了13.35%,成功率提升了27.46%。将该算法移植到嵌入式系统平台,可以实现实时稳定跟踪。
(2)提出了一种全图重检测目标跟踪算法,具备目标出视场又从任意路径返回后重新锁定目标的能力。算法包括基于自适应更新的时空上下文跟踪主环节和归一化互相关目标检测环节两个部分。使用OTB2013标准测试框架进行测试,算法精度较基准算法提升5.19%,成功率提升15.90%。移植到嵌入式平台后,人工营造目标出视场的场景,当目标重新进入视场后,全图重检测跟踪算法可以准确锁定目标,继续实时稳定跟踪。
(3)在算法的嵌入式平台实现过程中,为了提升算法的运算效率,从算法和嵌入式平台的特性出发,在程序结构、编译环境、软件流水、内存空间、支持库等方面对程序进行了优化,经过优化后,算法在嵌入式平台上能够实现实时跟踪。局部辅助定位跟踪算法与全图重检测跟踪算法在稳定跟踪时处理速度为每秒53帧,优化效果显著。
(1)提出了一种局部辅助定位目标跟踪算法。算法包括自适应更新的时空上下文连续跟踪环节和自适应更新的压缩感知重定位环节两个部分。OTB2013测试框架是国际通用的目标跟踪算法评测框架,能够评价算法在复杂跟踪场景下的综合性能。使用该框架对算法的跟踪效果进行测试,算法跟踪精度较基准算法提升了13.35%,成功率提升了27.46%。将该算法移植到嵌入式系统平台,可以实现实时稳定跟踪。
(2)提出了一种全图重检测目标跟踪算法,具备目标出视场又从任意路径返回后重新锁定目标的能力。算法包括基于自适应更新的时空上下文跟踪主环节和归一化互相关目标检测环节两个部分。使用OTB2013标准测试框架进行测试,算法精度较基准算法提升5.19%,成功率提升15.90%。移植到嵌入式平台后,人工营造目标出视场的场景,当目标重新进入视场后,全图重检测跟踪算法可以准确锁定目标,继续实时稳定跟踪。
(3)在算法的嵌入式平台实现过程中,为了提升算法的运算效率,从算法和嵌入式平台的特性出发,在程序结构、编译环境、软件流水、内存空间、支持库等方面对程序进行了优化,经过优化后,算法在嵌入式平台上能够实现实时跟踪。局部辅助定位跟踪算法与全图重检测跟踪算法在稳定跟踪时处理速度为每秒53帧,优化效果显著。