運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究及其DSP實(shí)現(xiàn).pdf

1、視頻序列中的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)問題之一。它通過對視頻序列中各幀圖像的處理與分析，實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)的檢測、定位與跟蹤，以獲得運(yùn)動(dòng)目標(biāo)的狀態(tài)參數(shù)，為更高層次的行為理解提供數(shù)據(jù)依據(jù)。隨著算法理論與硬件處理技術(shù)的不斷發(fā)展，目標(biāo)檢測與跟蹤技術(shù)已廣泛應(yīng)用于武器導(dǎo)航、小區(qū)監(jiān)控、智能交通、輔助駕駛、人機(jī)交互等領(lǐng)域。因此，對視頻圖像序列中運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)的研究具有很高的實(shí)用價(jià)值。本文主要的工作可概括如下:
　　在運(yùn)

2、動(dòng)目標(biāo)檢測方面，采用一種幀間差分與背景差分相結(jié)合的算法。該算法根據(jù)連續(xù)視頻圖像序列的逐幀差分結(jié)果來重構(gòu)背景，并進(jìn)行實(shí)時(shí)的背景更新，能夠在含有運(yùn)動(dòng)目標(biāo)的視頻序列中較好的提取出背景，從而利用背景差分檢測出運(yùn)動(dòng)目標(biāo)，再經(jīng)過形態(tài)學(xué)處理，消除噪聲的影響，使得提取出的目標(biāo)狀態(tài)信息完全滿足后續(xù)處理的需要。
　　作為本文的研究重點(diǎn)，在運(yùn)動(dòng)目標(biāo)跟蹤方面，為了解決目標(biāo)跟蹤中的遮擋問題，本文有效的結(jié)合了Mean Shift算法和粒子濾波算法。改進(jìn)的算法

3、利用Mean Shift算法的聚類作用對樣本粒子分布進(jìn)行優(yōu)化，將粒子聚集在更靠近目標(biāo)真實(shí)位置的區(qū)域，從而更有效的描述目標(biāo)狀態(tài)，使得用較少的粒子也能體現(xiàn)出粒子濾波算法的魯棒性。該算法在滿足實(shí)時(shí)性要求的前提下，很好的解決了目標(biāo)跟蹤中的遮擋問題。
　　最后，在前面算法研究的基礎(chǔ)上，完成了運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)的設(shè)計(jì)。硬件部分采用SEED_DEC643開發(fā)平臺(tái)，該平臺(tái)以TI公司的DM643芯片為核心。軟件部分在基于RF5框架的CCS集成開