基于ARM处理器的TLD目标跟踪算法实现和优化

发布时间：2021-01-14 22:04

　　近年来,人工智能得到了前所未有的关注和发展,人工智能正在不断地改变着我们的生产生活方式,给我们带来了极大的便利和优越的体验。计算机视觉作为人工智能最重要的技术之一,就是要使机器能够像我们人类的眼睛一样具有对周围环境进行感知和理解的能力。目前,基于ARM处理器的嵌入式平台计算能力有限,而性能好的目标跟踪算法往往具有复杂度高、计算量大、难以得到实时实现的特点。因此,研究面向ARM处理器的目标跟踪算法的实现和加速优化,提高系统的实时性,具有重要的研究意义和应用价值。本文首先基于ARM处理器实现了TLD目标跟踪算法,然后在理解算法的基础上对算法进行加速优化,提高算法的实时性。一方面对算法进行改进,降低算法的计算量和复杂度;另一方面充分挖掘处理器的计算资源,利用硬件加速的手段对算法进行加速优化。论文主要进行了以下的几点工作:1.TLD算法的实现和耗时分析。分析了TLD算法的原理和实现的细节,分析RK3399软硬件系统资源,搭建了算法运行环境,将TLD算法移植到RK3399平台上。结合算法理论和实际运行结果系统地分析了TLD算法的复杂度和运行耗时,讨论算法运行时的耗时部分和影响算法实时性的主要因素... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

智能视频监控

图 1. 2 汽车驾驶辅助系统（3） 智能机器人在工业制造、物流运输、停车场等场景，智能化的机器人能够代替人类完成特定的工作，减少了人力成本的输出，提高工作效率。网购已经成为人们购物的重要方式，

智能机器人

【参考文献】：
期刊论文
[1]基于TLD框架的快速目标跟踪方法[J]. 童源,费树岷,沈捷.  计算机应用研究. 2018(01)
[2]基于BRISK和CamShift的鲁棒目标跟踪研究[J]. 刘亚伟,李小民.  电光与控制. 2017(03)
[3]细数ARM处理器的那些CPU核心[J]. 蓝色.  个人电脑. 2016(02)
[4]基于神经网络和光流场的嵌入式高速目标识别与跟踪（英文）[J]. 苏金泷,HERBERT H C IU,FERNANDO T.  中国公路学报. 2015(11)
[5]基于空时线索的TLD视频跟踪算法[J]. 李俊,谢维信,李良群.  信号处理. 2015(10)
[6]改进TLD算法在光电跟踪中的应用[J]. 王建刚,李醒飞,陈诚,谭文斌.  红外技术. 2015(10)
[7]检测区域动态调整的TLD目标跟踪算法[J]. 曲海成,单晓晨,孟煜,刘万军.  计算机应用. 2015(10)
[8]一种基于压缩感知的在线学习跟踪算法[J]. 刘威,赵文杰,李成.  光学学报. 2015(09)
[9]基于TLD框架的上下文目标跟踪算法[J]. 吕枘蓬,蔡肖芋,董亮,涂继辉.  电视技术. 2015(09)
[10]TLD视频目标跟踪方法改进[J]. 金龙,孙涵.  计算机与现代化. 2015(04)

博士论文
[1]基于稀疏学习的视觉目标跟踪[D]. 马子昂.浙江大学 2017
[2]基于异类传感器信息融合的目标跟踪理论与方法研究[D]. 王琪龙.北京交通大学 2017
[3]固定翼无人机地面车辆目标自动检测与跟踪[D]. 李大伟.中国科学院大学(中国科学院国家空间科学中心) 2017
[4]多核异构环境下通用并行计算框架关键技术研究[D]. 盛艳秀.中国海洋大学 2013

硕士论文
[1]基于TLD框架的在线目标跟踪算法研究[D]. 刘兴云.华侨大学 2016
[2]MPCore多核处理器并行计算方法的研究与实现[D]. 杨川.西南交通大学 2014
[3]基于ARM Cortex-A8平台的Opus解码器优化技术[D]. 唐阳阳.华中科技大学 2013
[4]随机森林的模型选择及其并行化方法[D]. 蔡林霖.哈尔滨工业大学 2013
[5]基于ARM Cortex-A8平台的AAC解码器优化技术[D]. 曾瑞.华中科技大学 2012



本文编号：2977639