基于FPGA复杂背景下机动目标识别的技术研究
发布时间:2020-11-18 06:32
随着科技迅速的发展,实时目标识别跟踪技术越来越多的被应用在安防监控、军事追踪、机器人视觉、智能交通等领域。虽然目前对于目标识别跟踪算法的研究在各个方面不断完善,但现有的目标识别跟踪系统在光照变化,目标与背景颜色相近或目标被遮挡等复杂背景下,识别跟踪精度及稳定性仍然会受到影响,为此,本文针对目标与背景颜色相近的情况提出彩色轮廓加强算法,结合均值漂移算法实现目标跟踪的鲁棒性。应用MATLAB建立模型,通过数据仿真验证多种情况下的目标识别跟踪情况,根据实验结果可以看出,改进后的目标识别跟踪算法可以实现目标与背景颜色相近条件下的稳定跟踪。本文利用可编程逻辑门阵列FPGA作为中央处理单元,设计了硬件系统。在FPGA硬件平台上,通过集成开发环境进行软件设计,软件部分主要包括时钟管理模块、图像缓存模块、图像算法实现模块以及显示驱动模块。其中图像算法模块主要包括中值滤波算法、彩色轮廓加强算法、以及均值漂移跟踪算法。其硬件实现主要利用FPGA内部的LUT以及DSP48A1等资源。并通过对图像算法模块进行时序仿真验证其功能。搭建硬件实验平台,在目标与背景颜色相近的情况下进行目标跟踪实验。实验结果表明,采用彩色轮廓加强和均值漂移相结合的跟踪算法比均值漂移跟踪算法具有更好的鲁棒性,而且能够在1080P@60Hz的情况下实现实时的目标跟踪。
【学位单位】:长春理工大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TP391.41;TN791
【部分图文】:
第一章 绪论究背景和意义着科技的进步,对于信息获取的方式越来越多样化,最能直接反映信息信息,因此图像处理一直是当今的热门研究话题。其中目标的识别和跟处理领域中的一个主要分支,目标识别与跟踪就是从图像序列中提取出进行跟踪的过程。在目标跟踪的实际运用当中,对于图像中的目标进行成为研究与探索的方向。目标跟踪在人们生活中起着越来越重要的作用前机动目标识别与跟踪的算法许多都是在简单背景下处理的,但在实际,比如安防监控场合、军事航空的导航跟踪、交通领域的车辆识别等,都景下。但是对于各种复杂环境,目标识别和跟踪的稳定性和跟踪精度不背景下的机动目标的识别和跟踪具有实际重大的意义。如下图 1.1 为实际景下的机动目标跟踪场景。因此,近几年对于复杂背景下的机动目标的了大量从事图像处理领域的学者对其进行研究。
7c)加椒盐噪声的图像 d)中值滤波处理后的图像图 2.1 Matlab 实现中值滤波处理2 均值滤波算法均值滤波算法[29]是一种典型的线性滤波算法,其基本原理是将需要处理的像素域内所有像素求和,然后除以邻域内的像素个数,得到的平均值为该像素的均结果。均值滤波算法的数学表达式如下:11niip zn== (2.上式中 p 为均值滤波后的像素值,n 为邻域内的像素个数,iz 为邻域内各点的像
c)加椒盐噪声的图像 d)均值滤波处理后的图像图 2.2 Matlab 实现均值滤波处理通过中值滤波和均值滤波的仿真图可以看出,均值滤波对于椒盐噪声的处理过程中起到了将噪声平均化而没有完全滤除,并且对于图像的细节特征有一定的破坏,了图像变得更加模糊。但均值滤波算法运算过程较为简单,易于实现。 图像跟踪算法分析随着数字图像处理的快速发展,目标跟踪算法如雨后春笋般快速发展。目标跟踪算种类也越来越多,本文所设计的系统为实时的目标跟踪系统,因此选择基于特征标跟踪算法以实现目标跟踪。本节将对最常用的两种基于特征的目标跟踪算法均移算法和粒子滤波算法理论基础做详细分析。 均值漂移跟踪算法均值漂移算法属于概率密度估计的一种,更为确切的说是概率密度估计中的非参数。概率密度估计分为两种,一种是参数密度估计,另一种是无参密度估计,参数密
【参考文献】
本文编号:2888422
【学位单位】:长春理工大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TP391.41;TN791
【部分图文】:
第一章 绪论究背景和意义着科技的进步,对于信息获取的方式越来越多样化,最能直接反映信息信息,因此图像处理一直是当今的热门研究话题。其中目标的识别和跟处理领域中的一个主要分支,目标识别与跟踪就是从图像序列中提取出进行跟踪的过程。在目标跟踪的实际运用当中,对于图像中的目标进行成为研究与探索的方向。目标跟踪在人们生活中起着越来越重要的作用前机动目标识别与跟踪的算法许多都是在简单背景下处理的,但在实际,比如安防监控场合、军事航空的导航跟踪、交通领域的车辆识别等,都景下。但是对于各种复杂环境,目标识别和跟踪的稳定性和跟踪精度不背景下的机动目标的识别和跟踪具有实际重大的意义。如下图 1.1 为实际景下的机动目标跟踪场景。因此,近几年对于复杂背景下的机动目标的了大量从事图像处理领域的学者对其进行研究。
7c)加椒盐噪声的图像 d)中值滤波处理后的图像图 2.1 Matlab 实现中值滤波处理2 均值滤波算法均值滤波算法[29]是一种典型的线性滤波算法,其基本原理是将需要处理的像素域内所有像素求和,然后除以邻域内的像素个数,得到的平均值为该像素的均结果。均值滤波算法的数学表达式如下:11niip zn== (2.上式中 p 为均值滤波后的像素值,n 为邻域内的像素个数,iz 为邻域内各点的像
c)加椒盐噪声的图像 d)均值滤波处理后的图像图 2.2 Matlab 实现均值滤波处理通过中值滤波和均值滤波的仿真图可以看出,均值滤波对于椒盐噪声的处理过程中起到了将噪声平均化而没有完全滤除,并且对于图像的细节特征有一定的破坏,了图像变得更加模糊。但均值滤波算法运算过程较为简单,易于实现。 图像跟踪算法分析随着数字图像处理的快速发展,目标跟踪算法如雨后春笋般快速发展。目标跟踪算种类也越来越多,本文所设计的系统为实时的目标跟踪系统,因此选择基于特征标跟踪算法以实现目标跟踪。本节将对最常用的两种基于特征的目标跟踪算法均移算法和粒子滤波算法理论基础做详细分析。 均值漂移跟踪算法均值漂移算法属于概率密度估计的一种,更为确切的说是概率密度估计中的非参数。概率密度估计分为两种,一种是参数密度估计,另一种是无参密度估计,参数密
【参考文献】
相关期刊论文 前10条
1 焦淑红;关晨辉;;实时视频信号的Sobel边缘检测的FPGA实现[J];电子科技;2014年09期
2 沈学利;王肃国;;基于FPGA的改进型中值滤波算法研究[J];微电子学与计算机;2014年01期
3 李远征;卢朝阳;李静;;一种基于多特征融合的视频目标跟踪方法[J];西安电子科技大学学报;2012年04期
4 方莉;张萍;;经典图像去噪算法研究综述[J];工业控制计算机;2010年11期
5 陆兴娟;吴震宇;;图像边缘检测算法研究[J];现代电子技术;2010年06期
6 张建伟;张启衡;;基于直线边缘特征匹配的扩展目标跟踪方法[J];光学学报;2009年10期
7 李平岐;陈万春;邢晓岚;;复杂背景下运动目标的检测与跟踪[J];红外与激光工程;2007年S2期
8 孟勃;朱明;;粒子滤波算法在非线性目标跟踪系统中的应用[J];光学精密工程;2007年09期
9 常发亮;马丽;乔谊正;;遮挡情况下基于特征相关匹配的目标跟踪算法[J];中国图象图形学报;2006年06期
10 侯志强;韩崇昭;;视觉跟踪技术综述[J];自动化学报;2006年04期
相关博士学位论文 前1条
1 丁莹;复杂环境运动目标检测若干关键问题研究[D];吉林大学;2010年
相关硕士学位论文 前1条
1 周航;运动目标检测及跟踪技术研究[D];重庆大学;2013年
本文编号:2888422
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2888422.html