基于FPGA的运动目标跟踪系统设计与实现

论文摘要

运动目标检测与跟踪技术在消费电子、工业检测、安防监控及智能交通等领域中得到了广泛应用。目标的检测与跟踪的处理速度一直都是系统实现无法逾越的鸿沟。本设计采用FPGA(Field Programmable Gate Array)为平台,利用其独特的并行处理机制和强大的运算能力以提高系统的处理速度和性能。现如今,运动目标检测与跟踪系统的算法研究已经很成熟,算法改进空间不大。在PC机上采用C语言的实现方式已经无法满足系统对处理速度的性能要求。为寻求更高的处理速度,本文中提出一种基于NIOS II的运动目标检测与跟踪SoPC(System on Programmable Chip)系统设计与实现,该设计系统总线时钟达到266.67MHz,结合简单有效的检测与跟踪算法,利用浮点型硬件加速使得运动跟踪的处理速度得到了极大的改善。本文通过构建运动目标跟踪系统的硬件平台和软件系统,并将其划分成模块进行设计与实现。系统结合SoPC Builder和NIOS II,移植FAT文件系统,完成SD卡的底层驱动,实现数据输入模块；通过时间平均法进行背景建模获得背景图像,利用背景差分法获得运动目标的参数信息,实现运动检测模块；得到运动目标的参数信息后,以目标区域的颜色作为跟踪特征,利用粒子滤波算法实现目标的跟踪；最后为了使DDR2SDRAM中的256MB空间为检测与跟踪算法提供缓存空间,依据Avalon总线接口规范开发设计LTM IP(Intellectual Property)核,通过LTM显示器显示欢迎界面以及处理结果。本系统处理320*240大小真彩色图像的速度为每秒20帧,实现了实时处理,跟踪的正确率达到93%以上,结果表明该系统实现了预期功能,具有较好的实时性和跟踪准确率,且系统有很好的可移植性,具有广泛的应用前景。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题的研究背景
• 1.2 课题的研究现状
• 1.2.1 运动目标检测算法
• 1.2.2 运动目标跟踪算法
• 1.2.3 系统实现方案比较
• 1.3 课题的研究意义
• 1.4 论文的组织结构
• 第2章 相关知识介绍
• 2.1 目标检测
• 2.1.1 图像预处理
• 2.1.2 背景差分法
• 2.1.3 检测后处理
• 2.2 目标跟踪
• 2.2.1 贝叶斯滤波
• 2.2.2 蒙特卡罗采样
• 2.2.3 重要性采样
• 2.2.4 序列重要性采样
• 2.2.5 粒子退化问题与重采样
• 2.2.6 粒子滤波算法
• 2.3 硬件平台和NIOS Ⅱ软核处理器
• 2.3.1 DE3开发板
• 2.3.2 ARDB-LTM
• 2.3.3 NIOS Ⅱ处理器概述
• 2.3.4 NIOS Ⅱ处理器的特性
• 2.4 本章小结
• 第3章 基于FPGA的运动目标跟踪系统总体设计
• 3.1 系统功能简介
• 3.2 系统性能要求
• 3.3 系统层次模型
• 3.4 系统总体设计
• 3.5 本章小结
• 第4章 运动目标跟踪系统的实现
• 4.1 目标跟踪系统的硬件实现
• 4.2 SD卡读取模块的实现
• 4.2.1 SD卡初始化
• 4.2.2 SD卡数据读取
• 4.3 运动目标检测算法的实现
• 4.3.1 预处理
• 4.3.2 背景建模
• 4.3.3 腐蚀与膨胀
• 4.3.4 运动目标信息获取
• 4.3.5 算法流程
• 4.4 运动目标跟踪算法的实现
• 4.4.1 颜色空间转换
• 4.4.2 粒子初始化
• 4.4.3 粒子转移
• 4.4.4 粒子权值计算
• 4.4.5 粒子权值归一
• 4.4.6 重采样和粒子更新
• 4.4.7 算法流程
• 4.5 显示模块IP核的实现
• 4.5.1 Avalon-HM流水线传输
• 4.5.2 基于Avalon总线的IP接口
• 4.5.3 LIM IP核的实现
• 4.6 本章小结
• 第5章 系统调试与结果分析
• 5.1 系统功能测试
• 5.1.1 系统运行环境
• 5.1.2 系统运行结果
• 5.2 遇到的问题及解决方法
• 5.3 系统结果分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 攻读学位期间发表论文情况