基于DSP的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)與跟蹤研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究一直是計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)，同時(shí)也是難點(diǎn)。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的背景有靜態(tài)和動(dòng)態(tài)之分，靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究已經(jīng)較為成熟，而對(duì)于動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤還有很多問題待解決，本文主要研究在動(dòng)態(tài)背景下如何實(shí)時(shí)檢測(cè)出運(yùn)動(dòng)目標(biāo)，然后再在此基礎(chǔ)上對(duì)目標(biāo)進(jìn)行持續(xù)跟蹤，本文的圖像處理器是 TI（德州儀器）公司生產(chǎn)的用于視頻圖像處理的C6000系列TMS320DM642，攝像頭安裝在低空飛行的小型無人機(jī)云臺(tái)上，運(yùn)動(dòng)

2、目標(biāo)為地面單個(gè)的低速運(yùn)動(dòng)物體，本文主要工作如下：
　　1．動(dòng)態(tài)背景補(bǔ)償。動(dòng)態(tài)背景補(bǔ)償?shù)哪康木褪菫榱饲笕z像機(jī)或是其他圖像傳感器的運(yùn)動(dòng)參數(shù)模型，從而得到相鄰幀間對(duì)應(yīng)像素點(diǎn)間的位置轉(zhuǎn)換關(guān)系，最終補(bǔ)償攝像機(jī)與目標(biāo)的相對(duì)運(yùn)動(dòng)，使得背景“靜態(tài)化”。本文先將固定閾值的Harris角點(diǎn)檢測(cè)算法改進(jìn)為自適應(yīng)閾值，提高算法的性能，然后用自適應(yīng)閾值的Harris角點(diǎn)檢測(cè)算法提取出圖像中的特征點(diǎn)，然后對(duì)已提取出的特征點(diǎn)進(jìn)行初始匹配，再用 RANSAC算

3、法提高特征點(diǎn)對(duì)的匹配率，最終求得用于實(shí)現(xiàn)背景補(bǔ)償?shù)姆律淠Ｐ汀?br>　　2．運(yùn)動(dòng)目標(biāo)檢測(cè)。本文采用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法是背景差法，由于背景時(shí)刻在變化，以往的靜態(tài)背景建模方法不再適用，本文充分應(yīng)用動(dòng)態(tài)背景補(bǔ)償，用改進(jìn)的動(dòng)態(tài)背景建模方法建立與更新背景，此算法的關(guān)鍵是背景模型的更新部分，既考慮了當(dāng)前幀又顧及了前一幀背景模型經(jīng)過補(bǔ)償后的圖像。背景差法得出的結(jié)果再經(jīng)形態(tài)學(xué)濾波，最終便可準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)。
　　3．運(yùn)動(dòng)目標(biāo)跟蹤。運(yùn)動(dòng)目標(biāo)跟蹤

4、的方法和用以跟蹤的特征都有很多，考慮到本研究的應(yīng)用場(chǎng)合以及粒子濾波非線性非高斯的優(yōu)越性，本文采用粒子濾波對(duì)目標(biāo)進(jìn)行跟蹤，跟蹤的特征選用的是顏色直方圖和紋理直方圖。著重講述了粒子濾波在視覺跟蹤中的具體應(yīng)用，包括狀態(tài)變量的選擇、運(yùn)動(dòng)模型的建立、權(quán)值更新、目標(biāo)定位和目標(biāo)模板更新等。
　　4．目標(biāo)實(shí)時(shí)檢測(cè)與跟蹤在DSP平臺(tái)上的實(shí)現(xiàn)。此部分主要講述了如何將上文所述的檢測(cè)與跟蹤算法用C語言及DM642芯片支持庫（CSL）中的函數(shù)在DM642上

5、實(shí)現(xiàn)的方法。本文的算法主要在參考框架RF5下實(shí)現(xiàn)，首先根據(jù)算法的實(shí)際需要配置好實(shí)時(shí)嵌入式系統(tǒng)DSP/BIOS的各個(gè)對(duì)象及其屬性，然后在參考框架RF5下實(shí)現(xiàn)各個(gè)任務(wù)線程的同步和通信，本文主要有4個(gè)任務(wù)線程：視頻捕獲任務(wù)、視頻處理任務(wù)、視頻顯示任務(wù)和控制任務(wù)。當(dāng)然還有視頻的采集與顯示程序及其硬件設(shè)備驅(qū)動(dòng)的設(shè)置。最后通過實(shí)驗(yàn)證明基于 DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法能在動(dòng)態(tài)場(chǎng)景下較好地跟蹤運(yùn)動(dòng)目標(biāo)，且基于融合特征的跟蹤算法要比基于單一顏色特征的