基于TMS320DM642芯片的视频目标跟踪系统设计与实现

运动目标的检测与跟踪一直是在计算机视觉的研究领域占有重要位置,该技术被越来越广泛的应用到交通管理、军事、公共安全监控等领域中;文章主要研究基于TMS320DM642开发平台的视频运动物体目标的检测与跟踪,文章分为软硬件两部分进行设计,硬件部分主要包含视频采集模块、视频处理模块以及显示模块3个部分,通过CCD摄像头采集视频信号,接着将采集的模拟视频信号传输到SEED VPM642视频处理模块,在VPM642中通过高性能视频解码器TVP5150将模拟视频信号转换成BT.656格式的视频信号,并将该信号传输给DM642的视频接口;在系统软件部分,系统采用TI的DSP集成开发环境CCS2.2作为系统软件开发平台,最终在DM642视频图像处理平台上实现运动目标的实时检测与跟踪;实验结果表明,该文提出的算法移植和优化方法效果明显,可以在DSP开发平台上实现运动目标的实时检测与跟踪。     

基于颜色和空间信息的多特征融合目标跟踪算法

为解决单一特征目标跟踪鲁棒性较差的问题,提出一种基于颜色和空间信息的多特征融合目标跟踪算法。采用一种自适应划分颜色区间的方法提取目标颜色特征,利用空间直方图提取目标颜色的空间分布信息。在粒子滤波框架下将自适应颜色直方图和空间直方图相结合,在特征融合中引入特征不确定性度量方法,自适应调整不同特征对跟踪结果的贡献,提高算法的鲁棒性。仿真实验结果表明,该跟踪算法平均位置最小误差值仅6.967 像素,而单一特征跟踪算法以及传统融合算法的跟踪误差达192.576 像素和199.464像素。说明本文算法在跟踪准确性上优于单一特征跟踪算法及传统融合算法,具有更好的跟踪精度和更高的鲁棒性。     

基于粒子滤波的多普勒信息辅助目标定位跟踪算法

多基地声呐探测系统主要通过测量回波的时延和方位信息进行目标定位与跟踪,定位精度受声速、时延和方位测量误差的影响较大,可以通过多普勒信息辅助进一步提高定位跟踪精度。现有的多普勒信息辅助定位跟踪算法多适用于单基地声呐系统,多基地中的多普勒测量值与目标状态的关系更为复杂,需要研究新的融合方法。该文提出了一种适用于多基地声呐系统的多普勒信息辅助采样重要性重采样目标定位跟踪算法,将多普勒信息融入到粒子滤波的重采样过程,使重采样后的粒子集合更逼近目标的真实状态分布,从而提高了目标定位跟踪精度。数值仿真实验结果表明,提出的目标定位跟踪算法可以有效融合多普勒信息,提升目标定位跟踪精度。     

一种改进的粒子滤波视觉跟踪算法

针对复杂背景下视觉目标跟踪问题,提出了一种基于多特征融合和改进建议分布函数的粒子滤波目标跟踪算法。为了解决单一特征跟踪稳定性差的问题,该方法在构造粒子滤波算法观测似然函数的过程中,综合利用颜色、梯度和纹理特征,并给出一种有效的特征权值自适应分配策略。针对传统建议分布函数无法利用观测信息的缺陷,提出了一种基于PSO算法的建议分布函数,有效地抑制了粒子退化现象。实验采用复杂地面环境下的多组图像序列,结果表明该算法的有效性。     

无人机视频运动目标实时检测及跟踪

对无人机拍摄视频中的地面运动目标提出一种实时检测跟踪算法。该算法利用特征点的对应关系将图像对配准,再对配准图像进行变化检测,根据变化和运动信息检测目标并消除虚警,将检测与跟踪相结合,对目标跟踪失效的情况,能重新正确定位目标,从而获取目标的完整运动轨迹。采用无人机拍摄的地面车辆图像的测试结果表明,算法能有效检测跟踪运动目标,并能达到25 f/s以上的实时处理速度。     

基于自适应尺度的TLD目标跟踪算法

为提升TLD目标跟踪算法的每帧处理速度,以达到在更高分辨率视频中跟踪目标的实时性要求,在TLD算法框架的基础上,提出了一种基于自适应尺度检测学习的目标跟踪算法(AS-TLD)。当跟踪目标成功时,选取当前帧跟踪到的目标尺度及几个相邻的尺度作为下帧检测目标时滑动窗口尺度的选取范围;而当跟踪失败时,则选取在TLD算法初始化阶段,根据跟踪目标及视频图像大小选定的尺度来保障长时间跟踪目标,从而有效减少了平均每帧扫描的窗口数量。实验结果表明,该方法不仅有效地降低了检测模块的检测时间,显著提高了整体算法速度,而且通过动态选取尺度,在一定程度使得TLD各个模块更加协调,跟踪精确度得到提升。     

复杂红外地面环境下的稳定目标跟踪方法

针对红外目标相关滤波跟踪过程中由于背景杂波干扰、目标遮挡和目标形变等情况导致的鲁棒性差甚至跟踪目标丢失的问题,提出一种融合跟踪-学习-检测方法和相关滤波理论的红外目标跟踪算法.该算法在传统相关滤波框架基础上,融合目标的方向梯度直方图特征和亮度直方图特征,改善了目标轻微形变导致的模型漂移问题.针对背景杂波和遮挡导致的多峰值响应问题,对目标背景区域的相关响应进行惩罚,建立目标和背景响应的多模态检测机制,实现目标由粗到精的定位,并采用自适应的学习率优化跟踪模型的漂移问题;针对目标被严重遮挡或脱离视野的问题,通过全局目标再检测,实现目标的重捕.实验结果表明,在复杂红外地面环境下,该算法有效地解决了相似目标干扰和目标被严重遮挡导致的目标丢失问题.基于OTB-2015视频基准序列和红外视频序列测试,对比多个主流的相关滤波跟踪算法,该算法在跟踪精度和成功率方面较长时相关滤波跟踪算法分别提升了5.6%和4.1%;在目标遮挡指标测试中,该算法在跟踪精度和成功率方面相较长时相关滤波跟踪算法分别提升了4.6%和6.1%.     

基于动态目标建模的粒子滤波视觉跟踪算法

提出一种根据场景变化动态建立目标模型的粒子滤波视觉跟踪算法.该方法首先选择简单且具有互补性的特征描述当前图像,并统一采用直方图法对这些特征进行建模;然后在粒子滤波框架下,根据巴塔恰里亚测度评价各个目标特征和背景特征之间的可区分程度,动态调整特征间的置信度;并对各个特征似然函数的噪音参量进行在线估计和更新,使其似然函数的度量标准达到统一.分析和实验表明,该算法性能优于仅仅采用多特征融合进行粒子滤波视觉跟踪的方法,对摄像机运动、混淆干扰、遮挡及目标外观大小的改变具有更强的鲁棒性.     

一种分布式双麦克风线阵声源定位方法

分布式麦克风阵列由于比传统的单阵列具有更大的空间孔径,可以获得更好的声源定位性能,因此基于分布式麦克风阵列的声源定位方法成为当前麦克风阵列领域研究的热点之一。本文研究了一种基于分布式双麦克风线阵的声源定位方法,并进行了系统实现,从理论上剖析了该算法的定位精度与单阵列定向误差以及声源位置之间的关系,而且还揭示了声源高度扰动对该算法定位精度的影响。最后,分别通过仿真实验和实际定位系统的测试结果,验证了本文理论分析的正确性。     

一种基于双核架构的视频跟踪与处理系统的实现

提出一种基于ADSP-BF561的视频跟踪与处理系统设计方法。系统利用ADSP-BF561的双核并行处理性能和丰富的视频编解码接口,采用一种相关跟踪算法对其进行优化,算法是一种以相关系数作为相似性度量准则的相关跟踪算法。对该系统进行测试,结果表明:针对PAL制目标视频图像序列,系统可以实现复杂背景下的实时目标跟踪,视频目标跟踪对每帧的处理时间为22 ms,解决了目标跟踪的实时性要求。     

基于双传声器对的多声源二维定位跟踪算法

提出一种房间混响声场环境下的多声源二维定位跟踪算法。研究了基于盲源分离的时延估计,以及联合空间分布的多个传声器对的定位算法。用高斯似然函数解决在多源、多维情况下声源定位的时延匹对模糊问题,使之能够用双传声器对实现对多个声源的二维定位,结合粒子滤波算法实现对多个运动声源的跟踪。仿真实验验证了提出算法的有效性。      

多尺度传感网络失效节点检测系统设计

对多尺度传感网络中的失效节点进行准确检测与定位,实现故障节点的高效检测,保障传感网络的可靠运行。提出一种基于多传感器量化融合跟踪滤波检测的失效节点检测算法,并进行检测系统优化设计。构建多尺度传感网络的节点分布实体对象模型,进行失效节点检测系统总体设计和技术指标分析。设计基于多传感器量化融合跟踪滤波检测的失效节点检测算法。进行系统的硬件设计,包括A/D模块设计、时钟电路设计、程序加载电路设计、传感器通信模块设计和系统电源模块设计。在ARM Cortex?-M0平台上进行检测系统软件开发。系统仿真结果表明,该系统进行多尺度传感网络失效节点检测的准确度较高,提高了传感器网络的寿命周期。     

结合卡尔曼滤波器噪声分析的车道线检测跟踪算法

使用卡尔曼滤波对视频序列图像中的具体信息进行跟踪的研究目前是跟踪方向的一个热点.但是在处理卡尔曼滤波跟踪过程中的过程噪声和测量噪声,大部分研究普遍采用的是初始赋值.通过不断的调整数,达到较好的跟踪效果.但是这样做不但没有遵循原始数据的规律,同时调整参数是一项耗时的工作.基于这个原因,提出了一种对卡尔曼滤波的过程噪声和测量噪声进行预估计的方法并将其应用到车道线跟踪过程中.通过对一部分离线数据进行处理,可以基本估计出系统的噪声参数.最后采用车道线跟踪算法对论文中的方法进行验证,实验证明,提出的参数估计方法在车道线的跟踪过程中达到很好的效果,同时处理每帧的时间为50ms左右,满足了实时性的要求.     

Robust tracking of moving sound source using multiple model Kalman filter

In this paper a novel method for tracking an active speaker in a noisy and reverberant environment by means of a spatially distributed microphone array is presented. Firstly, a sound source localization algorithm based on time delays of arrival (TDOA) in microphone pairs provides observed position estimates. Then these remarkably noisy estimates are filtered by a multiple model Kalman filter (MMKF) in order to obtain a smoothed trajectory of the speaker’s movement. Compared with the traditional Kalman filter (KF), simulated results prove the MMKF is more robust and effective in noisy environments.     

An object tracking method based on guided filter for night fusion image

Online object tracking is a challenging problem as it entails learning an effective model to account for appearance change caused by intrinsic and extrinsic factors. In this paper, we propose a novel online object tracking with guided image filter for accurate and robust night fusion image tracking. Firstly, frame difference is applied to produce the coarse target, which helps to generate observation models. Under the restriction of these models and local source image, guided filter generates sufficient and accurate foreground target. Then accurate boundaries of the target can be extracted from detection results. Finally timely updating for observation models help to avoid tracking shift. Both qualitative and quantitative evaluations on challenging image sequences demonstrate that the proposed tracking algorithm performs favorably against several state-of-art methods.     

一种自适应视频跟踪算法及其ARM DSP实现

视觉跟踪作为图像处理和计算机视觉学科的重要分支,广泛应用与军事和民事的各个领域。对于相对运动速度较快的对象,传统的光流法计算精度不高,本文提出了一种视频跟踪算法,首先通过差分法检测图像差异,然后通过光流法实现视频自适应跟踪功能。设计了基于ARM和DSP的视频跟踪装置,详细讨论了硬件平台和接口设计,以S3C2410作为主控模块、TM320芯片作为图像处理模块。实验结果证明,该算法具有实时性、精度高、灵活性强的优点。     

基于蒙特卡罗法的实时空间三维声源定位

构建了一个基于四个声音传感器的信号时延采集系统,根据采集系统得到的三个时间差和传感器的响应顺序,提出了一种基于蒙特卡罗法实时空间的三维声源定位算法.该算法通过三维声音定位的非线性方程,构建一个三维模函数,通过寻找空间全局收敛点,并根据公差容限进行变步长搜索,准确快速地计算出声源的位置.     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

Detection and tracking strategy for license plate detection in video

In this paper, we present a novel method to detect license plates in video sequences automatically. The framework mainly integrates the cascade detectors method and the Tracking Learning Detection (TLD) algorithm. The cascade detectors are used to detect license plates, and the TLD algorithm is adopted to track the license plate regions. The license plates in the first frame image are detected by the cascade detectors to build the original tracking list, the tracking results and the detection results in following frames will be compared, and the newly appearing license plate information will be added to the tracking list. Meanwhile, the tracking results existing in the current tracking list would be replaced by the corresponding detection results with higher degree of confidence. We demonstrate the effectiveness of our algorithm for license plate detection task on a road intersection dataset, and the experimental evaluation shows the detection performance has been greatly improved by synthetically using the detection and tracking strategy.