论文部分内容阅读
视觉目标跟踪(Visual Object Tracking,VOT)是计算机视觉研究的重要内容,在军事制导、雷达跟踪、视频监控和交通管制等领域都有重要应用。目标跟踪赋予计算机人工智能,用以模拟人类的视觉感知功能,辨别和识别目标的运动姿态,为视频分析理解提供重要依据。在实际的目标跟踪过程中,常常会遇到诸如目标形变、多目标遮挡、目标消失等问题,给目标跟踪带来诸多困难,确保目标跟踪的准确性和实时性,具有重要意义。 本文在相关研究学者的研究基础上,将Mean Shift、卡尔曼滤波(Kalman Filter,KF)和粒子滤波(Particle Filter,PF)理论应用在DSP硬件跟踪系统上。Mean Shift在目标跟踪中具有较高的稳定性和较快的速度能够保证实时运算。卡尔曼滤波在目标跟踪中具有较好的表现,克服了维纳滤波器需要无限过去数据信息的缺点,能够满足实时性目标跟踪要求。粒子滤波以其在非线性、非高斯系统具有较强的适应性,在目标跟踪中应用非常广泛。本文所做的主要研究工作和贡献如下: (1)在目标检测环节中,详细研究了常用目标检测方法,并进行了实验仿真和性能分析。 (2)研究了Mean Shift、卡尔曼滤波和粒子滤波理论,分析了算法优缺点,适用范围并进行了仿真测试。 (3)针对卡尔曼滤波计算复杂,实时性较差问题,将基于颜色直方图的Mean Shift和卡尔曼滤波理论结合,卡尔曼滤波可有效缩小候选目标区域,以使Mean Shift能够以较快速度搜索到特定目标,提高了系统准确性和实时性。 (4)搭建了基于卡尔曼滤波和粒子滤波算法的DSP硬件系统,完成了多种算法在DSP跟踪系统的实现。 (5)完成了系统调试和软件优化,加速了程序执行效率提高了系统实时性。 实验和测试数据表明,以上基于DSP的实时跟踪系统能够满足系统的实时性和精确性要求。