基于DSP的視頻運動目標(biāo)實時跟蹤系統(tǒng)研究與實現(xiàn).pdf

1、視覺目標(biāo)跟蹤(Visual Object Tracking,VOT)是計算機視覺研究的重要內(nèi)容,在軍事制導(dǎo)、雷達(dá)跟蹤、視頻監(jiān)控和交通管制等領(lǐng)域都有重要應(yīng)用。目標(biāo)跟蹤賦予計算機人工智能,用以模擬人類的視覺感知功能,辨別和識別目標(biāo)的運動姿態(tài),為視頻分析理解提供重要依據(jù)。在實際的目標(biāo)跟蹤過程中,常常會遇到諸如目標(biāo)形變、多目標(biāo)遮擋、目標(biāo)消失等問題,給目標(biāo)跟蹤帶來諸多困難,確保目標(biāo)跟蹤的準(zhǔn)確性和實時性,具有重要意義。
　　本文在相關(guān)研究學(xué)者

2、的研究基礎(chǔ)上,將Mean Shift、卡爾曼濾波(Kalman Filter,KF)和粒子濾波(Particle Filter,PF)理論應(yīng)用在DSP硬件跟蹤系統(tǒng)上。Mean Shift在目標(biāo)跟蹤中具有較高的穩(wěn)定性和較快的速度能夠保證實時運算?？柭鼮V波在目標(biāo)跟蹤中具有較好的表現(xiàn),克服了維納濾波器需要無限過去數(shù)據(jù)信息的缺點,能夠滿足實時性目標(biāo)跟蹤要求。粒子濾波以其在非線性、非高斯系統(tǒng)具有較強的適應(yīng)性,在目標(biāo)跟蹤中應(yīng)用非常廣泛。本文所做的

3、主要研究工作和貢獻(xiàn)如下:
　　(1)在目標(biāo)檢測環(huán)節(jié)中,詳細(xì)研究了常用目標(biāo)檢測方法,并進(jìn)行了實驗仿真和性能分析。
　　(2)研究了Mean Shift、卡爾曼濾波和粒子濾波理論,分析了算法優(yōu)缺點,適用范圍并進(jìn)行了仿真測試。
　　(3)針對卡爾曼濾波計算復(fù)雜,實時性較差問題,將基于顏色直方圖的Mean Shift和卡爾曼濾波理論結(jié)合,卡爾曼濾波可有效縮小候選目標(biāo)區(qū)域,以使Mean Shift能夠以較快速度搜索到特定目標(biāo),提