基于DSP的目标检测与跟踪系统的研究与设计

发布时间：2017-09-23 23:22

  本文关键词：基于DSP的目标检测与跟踪系统的研究与设计

  更多相关文章： 运动补偿 目标检测 帧间差分 特征模板 卡尔曼滤波器

【摘要】：智能视频监控已经在诸多场合,比如车站、码头、学校、金融机构和军事管制区域等的安全保卫中发挥了非常重要的作用。智能视频监控系统中运动目标的检测与跟踪是系统的关键技术,关系到整个系统的性能。现今的智能视频监控系统主要依赖计算机,成本高,实时性差且不易小型化,而以数字信号处理器(DSP)为核心的嵌入式设备在智能视频监控系统应用中显示出成本低,性能好,灵活性高的特点,为此本文设计实现了基于DSP的目标检测与跟踪系统。具体研究内容如下:首先,介绍了国内外运动目标检测与目标跟踪理论的研究现状以及相关机构和高校取得的一些具体的工程应用成果。并对目标检测与跟踪中的主要问题进行简要归纳和分析。其次,利用Harris算子提取特征点,使用基于三步搜索法的搜索匹配准则完成特征点匹配,引入随机抽样一致性方法对仿射运动模型参数进行估计。在Matlab上完成对运动估计与补偿算法的仿真验证。再次,研究和比较了光流、背景差和帧间差分三种运动检测算法,采用帧间差分法对运动目标进行检测,对差分图像进行二值化处理,再进行形态学滤波,完成运动目标与背景的分割,在Matlab上对运动目标检测算法进行仿真测试。然后,研究了经典的基于特征模板的目标匹配算法,采用两次计算互相关系数的方法提高匹配速度。利用卡尔曼滤波器对目标运动轨迹进行预测。在Matlab上完成了目标匹配和目标运动估计算法仿真测试。最后,构建了基于DSP的目标检测与跟踪系统。实现了目标检测与目标跟踪算法从Matlab到DSP的移植。运行系统进行测试,并对运行的结果进行分析,验证了系统的可行性。
【关键词】：运动补偿 目标检测 帧间差分 特征模板 卡尔曼滤波器
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TN948.6
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 课题研究背景及意义10-11
• 1.2 目标检测与跟踪国内外研究现状和进展11-12
• 1.3 目标检测与跟踪的研究内容12-13
• 1.4 本文研究内容及论文安排13-15
• 第2章 运动背景的运动估计与补偿15-29
• 2.1 引言15-16
• 2.2 全局运动参数模型的比较16-18
• 2.2.1 平移运动参数模型16-17
• 2.2.2 仿射运动参数模型17
• 2.2.3 投影运动参数模型17-18
• 2.3 特征点的提取与匹配18-24
• 2.3.1 特征点的提取18-22
• 2.3.2 特征点的匹配22-24
• 2.4 运动模型参数的估计24-26
• 2.5 基于全局运动参数的运动补偿26-28
• 2.6 本章小结28-29
• 第3章 运动目标的检测与提取29-42
• 3.1 引言29-30
• 3.2 常用运动检测算法研究与比较30-36
• 3.2.1 光流法30-31
• 3.2.2 背景减除法31-35
• 3.2.3 帧间差分法35-36
• 3.3 基于帧间差分法的运动目标检测的实现36-41
• 3.3.1 差分图像二值化36-38
• 3.3.2 图像形态学处理38-40
• 3.3.3 图像连通域分析40-41
• 3.4 本章小结41-42
• 第4章 运动目标的自动跟踪42-53
• 4.1 引言42
• 4.2 目标的匹配识别42-46
• 4.2.1 基于模板匹配的目标识别42-43
• 4.2.2 改进的模板匹配43-46
• 4.3 目标运动的预测46-50
• 4.3.1 卡尔曼滤波器的原理46-48
• 4.3.2 基于卡尔曼滤波的目标运动预测的实现48-50
• 4.4 目标匹配跟踪结果与分析50-51
• 4.5 本章小结51-53
• 第5章 目标检测与跟踪系统在DSP上的实现53-62
• 5.1 引言53
• 5.2 目标检测与跟踪系统硬件设计53-55
• 5.2.1 系统硬件设计53-54
• 5.2.2 硬件开发平台54-55
• 5.3 目标检测与跟踪系统软件设计55-56
• 5.3.1 系统软件设计框图55
• 5.3.2 CCS集成编译开发环境的使用55-56
• 5.4 系统测试结果与分析56-61
• 5.5 本章小结61-62
• 结论62-64
• 参考文献64-68
• 攻读硕士学位期间承担的科研任务与主要成果68-69
• 致谢69-70
• 作者简介70

【相似文献】

中国期刊全文数据库 前10条

1 单甘霖;梅卫;王春平;;联合目标跟踪与分类技术的进展及存在问题[J];兵工学报;2007年06期

2 苏艳苹;王战伟;;极坐标系下的目标运动模型研究[J];河南科学;2012年02期

3 曾鹏鑫;陈鹏;朱琳琳;徐心和;;基于目标运动模型的跟踪方法[J];系统仿真学报;2006年12期

4 吕铁军;蒋宏;梁国威;丁全心;;基于多模型的联合目标跟踪与分类算法[J];电光与控制;2013年08期

5 王来雄,黄士坦;一种新的基于粒子滤波的多模型跟踪算法[J];信号处理;2005年05期

6 龚亚信;杨宏文;胡卫东;郁文贤;;基于多模粒子滤波的机动弱目标检测前跟踪[J];电子与信息学报;2008年04期

7 黄冬民;潘泉;张洪才;;运动目标联合跟踪与分类研究综述[J];计算机应用研究;2011年06期

8 郑容，，文成林，施晨鸣，张洪才;多分辨多模型机动目标跟踪[J];电子学报;1998年12期

9 王峰;孔令讲;杨晓波;;基于道路约束的粒子滤波检测前跟踪算法[J];雷达科学与技术;2011年06期

10 斯通·科温·霍夫曼 ,苏长云;用于舰艇的多目标多传感器数据融合技术(续)[J];情报指挥控制系统与仿真技术;1999年09期

中国重要会议论文全文数据库 前2条

1 楚威;阎星娥;苏春梅;;仿真系统中飞机目标典型运动模型的研究与实现[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

2 张晓勇;罗来源;;被动测向声纳目标最近时刻估计[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

中国博士学位论文全文数据库 前10条

1 冯肖雪;复杂环境下多传感器目标跟踪关键技术研究[D];西北工业大学;2015年

2 江同洋;基于随机有限集的多目标贝叶斯滤波方法研究[D];浙江大学;2015年

3 钟金琴;基于视觉的目标跟踪关键技术研究[D];合肥工业大学;2014年

4 赵玲玲;目标跟踪中的粒子滤波与概率假设密度滤波研究[D];哈尔滨工业大学;2011年

5 罗飞腾;目标跟踪的粒子滤波技术研究[D];中国科学技术大学;2010年

6 王勇;基于统计方法的运动目标检测与跟踪技术研究[D];华中科技大学;2009年

7 刘少华;非重叠监控摄像机网络中运动目标检测与跟踪[D];国防科学技术大学;2009年

8 曾文静;基于光视觉的无人艇水面目标检测与跟踪研究[D];哈尔滨工程大学;2013年

9 郭同健;云层背景下目标多特征信息融合及跟踪策略研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年

10 王江峰;基于轨迹片段关联的目标跟踪与事件检测方法研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 章聪;空中虚拟靶标技术的研究[D];南京理工大学;2015年

2 侯胜彬;基于OpenCV的运动目标检测跟踪的研究[D];电子科技大学;2014年

3 伍俊橙;多目标粒子滤波算法研究[D];电子科技大学;2014年

4 廖良雄;基于随机有限集的弱小目标TBD方法研究[D];西安电子科技大学;2014年

5 段羽浩;基于SE-WORKBENCH的飞机目标雷达信号仿真[D];华中科技大学;2014年

6 陈大龙;基于DSP的目标检测与跟踪系统的研究与设计[D];燕山大学;2016年

7 张儒元;基于PTZ镜头的主动目标跟踪[D];西安电子科技大学;2009年

8 范晶晶;分布式多视角目标跟踪的统计推理方法及实现[D];复旦大学;2011年

9 胡鹏;Kalman滤波在视频目标跟踪中的应用研究[D];重庆大学;2010年

10 张虎;MeanShift粒子滤波算法在视频目标跟踪中的应用研究[D];广西科技大学;2013年

本文编号：908049