基于双DSP的视觉跟踪控制系统设计

鉴于目前视觉跟踪系统实时性与抗干扰能力差以及控制周期长等问题,提出了一种基于TMS320DM642与TMS320F2812双DSP的视觉跟踪控制系统设计方案,并从工作原理、硬件以及软件3个方面详细介绍了系统的设计和实现方法。该设计方案通过采用六帧相邻图像差分相乘法以及DSP间的M cBSP通讯,提高了系统的实时性与抗干扰能力。实验完成了对动态背景下运动目标的检测并实现了云台摄像机对运动目标的跟踪控制,表明该系统具有实时监控与在复杂背景下实时跟踪运动目标的能力。     

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于 OpenCV 开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。      

一种复杂背景下运动目标检测与跟踪方法

为了准确快速检测和跟踪运动目标,扩大视频监控系统中摄像机的搜索和跟踪范围,在目标检测部分提出了一种将双向差分相乘法与基于仿射运动模型的匹配差分法相结合的运动目标检测方法;在目标跟踪部分改进Camshift算法,利用目标边缘轮廓信息完成对运动目标的跟踪,最后在基于BF533的网络视觉跟踪监控系统上进行了实验。结果表明,所提方法能够对运动目标进行准确检测和大角度跟踪,在单目摄像机的视频监控系统中具有较高的实用价值。     

基于DM642融合系统的A Trous小波实时图象融合算法

摘要：给出了一种基于DM642融合系统的A Trous小波实时图象融合算法。融合系统核心处理器选用了适合视频图像处理的TI最新高性能定点DSP DM642,利用DM642的600MHz高速运算能力,EDMA和EMIF高速数据传输能力,与视频编/解码单元无缝连接的灵活可配置的视频端口,构建了双波段图像融合系统平台。在此系统上,对可见光图像进行A Trous小波变换,提取出不同分解层的特征信息,将特征信息与红外图像进行融合。融合后的图像保持了可见光图像的线条及边缘特征,还融合了红外图像的目标特征。仿真实验结果表明,在融合系统平台上实现双波段图像实时融合算法只需39.46毫秒左右,满足25帧/秒的工程需求。 关 键 词：图像融合;A Trous小波;实时处理;TI 0DM642     

基于DM642的嵌入式机器人目标识别系统

通过借鉴目前DSP芯片在多媒体领域的成功应用,并在分析机器人视觉系统特点的基础上,提出了一种将机器视觉与嵌入式系统相结合的方案.介绍了基于DM642的嵌入式机器人目标识别系统及其原理,给出了该系统的硬件框图和软件设计流程图,最后介绍了目标识别的过程与采用的算法.实验表明,该系统的设计方案是可行的.     

基于DM642融合系统的ATrous小波实时图像融合算法

给出了一种基于DM642融合系统的ATrous小波实时图像融合算法。选用适合视频图像处理的TI最新高性能定点数字信号处理器DM642作融合系统核心处理器,利用DM642的600MHz高速运算能力,EDMA和EMIF的高速数据传输能力,以及它的视频编／解码单元无缝连接的灵活可配置的视频端口,构建了双波段图像融合系统平台。在此系统上对可见光图像进行ATrous小波变换,提取出不同分解层的特征信息,将特征信息与红外图像进行融合。融合后的图像保持了可见光图像的线条及边缘特征,还融合了红外图像的目标特征。仿真实验结果表明,在融合系统平台上实现双波段图像实时融合算法只需39．46ms左右,满足25frame／s的工程需求。     

基于DM642融合系统的A Trous小波实时图像融合算法

给出了一种基于DM642融合系统的A Trous小波实时图像融合算法.选用适合视频图像处理的TI最新高性能定点数字信号处理器DM642作融合系统核心处理器,利用DM642的600 MHz高速运算能力,EDMA和EMIF的高速数据传输能力,以及它的视频编/解码单元无缝连接的灵活可配置的视频端口,构建了双波段图像融合系统平台.在此系统上对可见光图像进行A Trous小波变换,提取出小同分解层的特征信息,将特征信息与红外图像进行融合.融合后的图像保持了可见光图像的线条及边缘特征,还融合了红外图像的目标特征.仿真实验结果表明,在融合系统平台上实现双波段图像实时融合算法只需39.46 ms左右,满足25 frame/s的工程需求.     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型(IMM)的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计.在工程上,将基于CV和"当前"统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果.     

适于机载环境对地目标跟踪的粒子滤波设计

为提高机载环境对地面强机动性目标跟踪的鲁棒性,本文以粒子滤波为跟踪框架,研究了它的动态模型与观测模型。针对机载环境的特点与跟踪目标的强机动性,提出了基于Kristan双步动态模型结构的加速度双步动态模型（TSA）。根据Yilmaz等人提出的非对称核函数思想,针对实际工程中目标变化特点与实时性要求,提出利用Snake算法提取目标轮廓,以轮廓信息构造非对称核函数的方法。最后,依据上述方法提出了TSA-AK粒子滤波跟踪算法。利用提出的算法对机载环境对地目标跟踪的视频进行了测试,结果表明,本文算法可实现对大幅度变速运动目标的稳定跟踪,正确跟踪率为98%;对大小为25 pixel×30 pixel的目标的处理帧率为26 frame/s。     

基于双目视觉的运动目标检测跟踪与定位

为克服传统目标检测跟踪方法无法对目标准确定位,以及在复杂环境下容易受光照、阴影等因素干扰的问题,提出了基于双目视觉的目标检测跟踪与定位方法。首先使用Matlab标定工具箱和OpenCV进行摄像机标定和图像校正,然后利用基于双目视觉的背景差分法实现目标检测,结合基于Kalman滤波的改进Camshift算法实现目标跟踪,最后利用视差图得到目标三维信息,从而实现目标定位。实验结果表明,所提方法能够实时跟踪运动目标并实现目标的准确定位。     

视频监控系统中的概率模型单目标跟踪框架

针对视频监控的特点与跟踪目标的强机动性,提出了一种新的基于概率模型的目标跟踪框架,从目标表观模型、系统动态模型以及系统观测模型3个方面对当前标准的粒子滤波目标跟踪方法进行了改进。首先,考虑人眼细胞的分布特点,基于人眼分布结构建立目标表观模型来提高跟踪系统抵抗局部遮挡的能力;然后,建立基于自适应目标运动的系统动态模型,提高跟踪算法对快速机动目标的鲁棒性;最后,采用实时更新的系统观测模型,有效避免目标在遇到遮挡、光照变化、剧烈变形等情况下发生的跟踪漂移现象。实验结果表明,本文算法的正确跟踪率可达98%;平均跟踪误差小于6个像元。实验证明本文算法在保证系统跟踪精度要求的同时,具有计算量小、抗干扰能力强等特点。     

自适应模板更新和目标重定位的相关滤波器跟踪

针对核相关滤波器在跟踪中因目标快速运动导致的目标易丢失和部分遮挡问题,本文在多特征尺度自适应核相关滤波器(Scale Adaptive with Multiple Features tracker,SAMF)基础上,提出一种融合自适应模板更新和预测目标位置重定位的核相关跟踪算法。采用联合目标移动速度和特征变化的模板更新机制增大对目标快速运动适应性,根据长时滤波器和短时滤波器协作跟踪提出目标位置修正和重定位模型提升跟踪器应对目标部分遮挡的能力。在OTB-2015视频序列集100组序列中与序列集提供的算法进行对比,本算法跟踪精度相比SAMF提升2%。在目标发生快速移动时本文算法具有更好的追踪目标能力,目标重定位也很好地解决了目标部分遮挡问题。     

适用于复杂场景的多目标跟踪算法

在视觉目标跟踪应用中,传统算法在光照变化、阴影、遮挡和背景运动等复杂环境下面临着鲁棒性较差的问题。针对上述问题,首先在局部二进制类型(LBP)背景模型基础上,提出了自适应像素距离阈值编码的背景模型(ST-LBSP)克服阴影和光照变化对目标检测的影响;其次,为了克服遮挡、背景运动等问题,计算图像块之间的最小像素距离和图像块和目标历史数据之间的标准化差值平方和距离,依据距离信息对图像块进行整合;同时,对整合后的图像块,计算其光流矢量、区域内差异性和区域间差异性,对图像块进行分割;最后,采用结构化的支持向量机设计多目标跟踪器,实现了鲁棒的视觉跟踪。基于标准数据集的实验结果显示,该方法具有较强的鲁棒性和较高的跟踪精度。     

基于快速运动场景下的目标跟踪改进算法

为解决目标快速运动时跟踪算法出现目标丢失和跟踪精度大幅度下降等问题,在现有的Autotrack算法基础上对其进行改进,提出了一种基于快速运动场景下的目标跟踪算法。引入空间正则权重项w对距离目标中心比较远的样本进行相应的惩罚,调整原本的全局响应变化量并将其作为时间正则项。将空间正则项和时间正则项相结合,并引入目标函数中进行优化。在公开数据集OTB-2013(online object tracking:a benchmark)上对改进后的目标跟踪算法进行实验验证和比较。实验结果表明,改进后的目标跟踪算法在目标快速运动场景下的准确率和成功率分别为76.5%和73.1%,在综合评分上的准确率和成功率分别为82.8%和61.1%。     

基于差分和特征不变量的运动目标检测与跟踪

提出了一种基于改进的图像差分算法与特征不变量匹配的目标识别方法。通过三帧差值法获得了更完整清晰的目标轮廓,并基于该轮廓信息构造了一个具有平移、大小和旋转不变性的特征不变量;然后提出动态极值匹配法,利用特征曲线的极值信息点进行识别匹配,并动态替换原特征模版。实验结果表明,该方法能够准确识别目标,显著地提高识别跟踪效率,并且适用于检测运动姿态发生变化的目标。对于分辨率为288×352像素,每像素8位量化的序列图像,处理每帧图像平均用时0.011 74 s,其中特征提取与匹配过程平均用时0.005 476 s,能够实现对运动目标的实时分析,可同时满足运动目标识别跟踪中实时性和准确率的要求。     

链式无线传感器网络移动目标二元协同感知策略

对链式无线传感器网络中移动目标的感知是对运动目标跟踪定位的基础,如何在节点能量有限情况下准确感知移动目标是其主要技术之一.为此,提出了一种基于节点相邻步距间协作的二元协同感知策略.首先提出目标感知节点集求解算法和目标运动感知模型;其次,融合当前感知概率和历史感知经验,建立移动目标感知概率求解模式,并相应地提出了二元协同感知算法;以矿井巷道内的人员定位监测为工程仿真实例,进一步进行了二元协同感知策略、全节点感知策略与单节点感知策略的性能比较,结果表明,二元协同感知策略能有效解决单个感知策略易存在检测漏洞与全节点感知策略通信量大的缺点,提高移动目标的感知概率,延长了网络的生存寿命.最后,以建筑物楼道长廊中的人员定位监测作为实际环境测试平台,测试了二元协同感知策略的性能变化,其结果显示出实际环境测试结果与理论仿真值变化趋势基本相同,从而验证了二元协同感知策略的实际有效性.     

一种视频序列中运动目标的跟踪方法

针对运动目标的跟踪,采用模板匹配法和kalman滤波嚣进行图像跟踪,跟踪前先进行模板提取,采用投影法来投影出模板的位置,然后再对这个模板在视频序列中进行目标跟踪.理论分析和实验结果表明,该算法对于视频运动目标的跟踪,能有效检测出目标图像,对于实时视频图像处理有深远的影响.     

基于粒子滤波的彩色图像跟踪

视频跟踪中的目标检测和目标跟踪通常不能通过一个算法同时完成,而是需要两个计算法则,过程复杂,耗时较多.为了实现序列彩色图像的实时检测与跟踪,本文提出了一种基于粒子滤波的实时目标跟踪算法.以目标有无信息和目标位置信息为变量建立了联合状态向量,利用粒子滤波方法实现目标检测及跟踪.为了减少计算量,在充分考虑跟踪区域各像素权重的条件下,建立基于颜色信息的特征直方图作为观测向量,并用于后验估计.实验表明,本文提出的方法在选择150个粒子的情况下,对于768 pixel×576 pixel大小的彩色图像,能够在14.37 ms内检测并跟踪目标,而且能在目标发生旋转变化和尺度变化时,保持稳定跟踪,证明了该方法具有一定的鲁棒性.