基于DM642的camshift目标跟踪算法研究

论文摘要

目标跟踪技术是计算机视觉领域的一个热门课题,无论是在民用还是军用上都有着深刻的理论意义和广阔的应用前景。但要想真正达到宽应用范围,高精度,实时性强的跟踪效果,还有相当的一段路要走。当前尤其是复杂条件下的目标跟踪最为困难,很难达到鲁棒性与实时性的统一。在众多的跟踪算法中,本文主要研究了camshift算法,以及基于kalman滤波的camshift目标跟踪算法和基于帧间差分的camshift目标跟踪算法,通过比较它们在目标跟踪中的实际应用效果,最后提出了基于背景加权直方图和帧间差分的camshift算法,并在SEED VPM642评估板上验证。Camshift是一种基于meanshift以颜色概率分布图为目标模板的跟踪方法,不仅继承了meanshift简单,实时性强的特点,而且在目标发生形变时,能够相对较好的实现跟踪。基于kalman滤波的camshift算法对快速运动目标和遮挡问题有很好的效果,但是该算法为半自动跟踪,需要人为定位,对背景中相近颜色的抗干扰能力差。基于帧间差分的camshift算法为全自动跟踪算法,但在复杂背景下容易丢失目标。如完全遮挡、跟踪目标快速运动等。最后提出新的改进camshift算法-基于背景加权直方图和帧间差分的camshift算法。首先建立背景加权直方图,再利用帧间差分法自动确定目标区域,在运行camshift算法过程中,运用帧间差分比较H分量平均值与目标模板基准值大小,从而实时更新目标模板,减小光照变化影响；实时比较每帧搜索窗口与初始化窗口的尺寸来减少背景中的相近颜色干扰。另外在跟踪过程中,利用运动估计,防止当运动目标快速运动时跟踪失败。通过这一系列措施,改进后的camshift算法不仅具有传统camshift算法良好的实时性,而且在复杂背景下也能保持很好的鲁棒性和准确性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景及意义
• 1.2 课题的国内外研究现状
• 1.3 视频运动跟踪技术的主要困难
• 1.4 本文的主要内容和结构安排
• 2 camshift算法理论
• 2.1 引言
• 2.2 图像处理基础知识
• 2.2.1 颜色空间模型
• 2.2.2 图像阶矩
• 2.3 meanshift算法理论
• 2.3.1 引言
• 2.3.2 n维空间的无参密度估计
• 2.3.3 meanshift理论推导
• 2.3.4 meanshift目标跟踪算法原理
• 2.4 camshift算法理论
• 2.4.1 camshift算法概述
• 2.4.2 camshift算法搜索窗口自适应原理
• 2.4.3 初始化搜索窗口
• 2.4.4 实验结果及分析
• 2.5 本章小结
• 3 典型改进camshift算法研究
• 3.1 引言
• 3.2 基于kalman滤波的camshift目标跟踪算法
• 3.2.1 卡尔曼滤波器理论简介
• 3.2.2 算法原理
• 3.2.3 关于遮挡问题的讨论
• 3.2.4 算法流程图
• 3.2.5 实验结果及分析
• 3.3 基于帧间差分的camshift算法
• 3.3.1 帧间差分法
• 3.3.2 数学形态学滤波
• 3.3.3 算法原理
• 3.3.4 算法流程图
• 3.3.5 实验结果及分析
• 3.4 本章小结
• 4 基于背景加权直方图和帧间差分的camshift算法
• 4.1 引言
• 4.2 算法原理
• 4.2.1 算法流程图
• 4.2.2 背景加权直方图在算法中的作用
• 4.2.3 帧间差分法在算法中的作用
• 4.2.4 运动估计在算法改进中的作用
• 4.2.5 算法实验结果及分析
• 4.3 本章小结
• 5 camshift算法在TMS320DM642上的实现
• 5.1 算法验证硬件平台
• 5.1.1 核心处理芯片TMS320DM642
• 5.1.2 SEED VPM642评估板
• 5.2. TMS320DM642视频口
• 5.2.1 TMS320DM642视频口简介
• 5.2.2 视频编码器和解码器
• 5.2.3 视频口驱动配置
• 5.3 系统的软件设计
• 5.3.1 软件开发平台
• 5.3.2 程序的加载
• 5.3.3 系统的初始化
• 5.3.4 FLASH的烧写
• 5.4 本章小结
• 6. 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献