基于TMS320DM642的運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)研究.pdf

1、運(yùn)動目標(biāo)檢測與跟蹤是對運(yùn)動目標(biāo)進(jìn)行檢測與跟蹤的技術(shù)，是計(jì)算機(jī)視覺系統(tǒng)的核心，目標(biāo)檢測和跟蹤系統(tǒng)有著廣泛的應(yīng)用，例如在交通監(jiān)控、天文觀測、醫(yī)學(xué)研究、客流量統(tǒng)計(jì)、軍事導(dǎo)航、運(yùn)動分析等領(lǐng)域都有很高的實(shí)用價值。
　　 數(shù)字信號處理器(DSP)在處理實(shí)時的圖像和視頻方面有很大的優(yōu)勢，運(yùn)算速度快，處理數(shù)據(jù)量大，成本較低，適合于本目標(biāo)檢測與跟蹤系統(tǒng)。
　　 本文選用TIICETEK-DM642評估板進(jìn)行目標(biāo)檢測與跟蹤系統(tǒng)的實(shí)驗(yàn)。文中對

2、比了多種預(yù)處理的濾波算法，選取中值濾波法進(jìn)行噪聲去除，對比了多種邊緣檢測算法，選取了Laplacian算法進(jìn)行邊緣的檢測。在目標(biāo)識別與分割時，通過對比濾波后的最大類間方差法分割與邊緣檢測法分割的效果，為本系統(tǒng)選用最大類間方差法，結(jié)合形態(tài)學(xué)膨脹改善分割效果的方法，該結(jié)合方法可以去除大部分噪聲，清楚地分割出目標(biāo)和背景并加強(qiáng)了目標(biāo)。提出了基于彩色的目標(biāo)識別與分割算法，并與膨脹方法相結(jié)合，可以很好地找到閾值并分割出目標(biāo)。文章還介紹了Meansh

3、ift方法進(jìn)行跟蹤的原理及其改進(jìn)Camshift算法，并使用Kalman和Camshift相結(jié)合的方法。Kalman和Camshift相結(jié)合的方法是利用Kalman算法的預(yù)測功能預(yù)測目標(biāo)的出現(xiàn)范圍，用Camshift算法以預(yù)測的范圍為搜索范圍，在此范圍內(nèi)搜索目標(biāo)的真實(shí)位置。使用剛才敘述的兩種分割算法分別與Kalman和Camshift算法相結(jié)合，進(jìn)行了目標(biāo)的檢測和跟蹤，并比較了文中算法與傳統(tǒng)Meanshift方法跟蹤的不同，指出了文中算