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

1、視覺目標跟蹤(Visual Object Tracking,VOT)是計算機視覺研究的重要內(nèi)容,在軍事制導、雷達跟蹤、視頻監(jiān)控和交通管制等領(lǐng)域都有重要應用。目標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)。在實際的目標跟蹤過程中,常常會遇到諸如目標形變、多目標遮擋、目標消失等問題,給目標跟蹤帶來諸多困難,確保目標跟蹤的準確性和實時性,具有重要意義。
　　本文在相關(guān)研究學者

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)理論應用在DSP硬件跟蹤系統(tǒng)上。Mean Shift在目標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。卡爾曼濾波在目標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)具有較強的適應性,在目標跟蹤中應用非常廣泛。本文所做的

3、主要研究工作和貢獻如下:
　　(1)在目標檢測環(huán)節(jié)中,詳細研究了常用目標檢測方法,并進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,適用范圍并進行了仿真測試。
　　(3)針對卡爾曼濾波計算復雜,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區(qū)域,以使Mean Shift能夠以較快速度搜索到特定目標,提