跟蹤系統(tǒng)目標(biāo)檢測技術(shù)研究.pdf

1、運動目標(biāo)檢測技術(shù)在民用領(lǐng)域應(yīng)用廣泛，在智能監(jiān)控、交通管控方面尤為重要，對于防止事故發(fā)生以及對事故發(fā)生原因分析和問題解決具有重要的參考價值。該類應(yīng)用場所一般要求全天候監(jiān)控，在夜間低照度環(huán)境下以及工作場所無人監(jiān)管狀態(tài)下，檢測跟蹤系統(tǒng)的可靠性和穩(wěn)定性將得到很大的考驗，尤其是系統(tǒng)在低照度環(huán)境下的工作性能，已經(jīng)越來越成為該領(lǐng)域的研究重點。
　　本文基于跟蹤對象和水平跟蹤原理，設(shè)計了水平跟蹤硬件平臺，對控制系統(tǒng)芯片進(jìn)行選型，并設(shè)計符合驅(qū)動步進(jìn)

2、電機(jī)進(jìn)行轉(zhuǎn)動的驅(qū)動電路;在此基礎(chǔ)上對系統(tǒng)其它硬件進(jìn)行選型;對步進(jìn)電機(jī)的控制采用了基于模糊PID的閉環(huán)控制算法，使得整個過程得以持續(xù)穩(wěn)定的進(jìn)行;在控制過程中，同時采用了細(xì)分控制，增加轉(zhuǎn)動的穩(wěn)定性。運用基于UT變換的卡爾曼濾波算法對獲取的目標(biāo)序列圖像中的動態(tài)目標(biāo)進(jìn)行算法實現(xiàn)，通過在卡爾曼濾波的校正階段，對均值的處理采用UT變換的方法，使得改進(jìn)后的算法可以工作與非線性系統(tǒng)下，較好的實現(xiàn)了目標(biāo)狀態(tài)的估計。針對低照度目標(biāo)序列圖像采用對數(shù)處理算法增

3、強(qiáng)時高頻噪聲也會同時被放大的問題，使用高斯濾波和直方圖均衡化處理算法相結(jié)合的方法達(dá)到圖像增強(qiáng)的目的。對增強(qiáng)處理后的圖像進(jìn)行HOG特征的提取，在經(jīng)過SVM訓(xùn)練器訓(xùn)練以后形成最終的檢測子，實現(xiàn)對低照度下的運動目標(biāo)進(jìn)行檢測。
　　在MATLAB軟件環(huán)境下，對文中所用到的模糊PID算法進(jìn)行了仿真，結(jié)果表明，該算法可以使系統(tǒng)在很短的時間內(nèi)達(dá)到穩(wěn)定狀態(tài);對目標(biāo)跟蹤算法進(jìn)行了仿真和實現(xiàn)，證明了算法的穩(wěn)定性和可用性;通過對文中所用到的增強(qiáng)算法進(jìn)行