| 以下仅列出文章摘要、目录等部分内容，如需获取完整论文资料，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 基于DSP图像处理系统的多目标跟踪关键技术研究与实现 摘要 随着我们对智能视频分析的需求越来越大，智能视频分析的重要性已经不言而喻，相关的研究也处于如火如荼的状态。在智能视频分析中，视频目标的检测与跟踪是相当重要的部分，也吸引了众多中外学者进行研究。相对于单目标跟踪，多目标的跟踪更具实用价值，也更具挑战性。 本文对视频中多目标跟踪的关键技术做出了研究，提出了多目标跟踪的系统框架，以达到高准确度和高鲁棒性的跟踪效果。本文对多目标跟踪的研究是基于DSP图像处理系统的，为了让此研究更具实用意义，所以该多目标跟踪算法也满足了实时性的要求。然后以TMS320C6678为核心搭建了一套图像处理系统。最后，将该多目标跟踪算法在搭建好的图像处理系统上进行实现，并完成优化。 主要研究内容包括： 1. 介绍了常见的目标检测算法。对比后选用可变部件模型（Deformable Part Model）结合支持向量机（Support Vector Machine）的方法对目标进行检测,为之后的跟踪提供准确的目标输入。 2. 介绍了常见的多目标跟踪算法。选用先检测后跟踪的总体方案，即对检测后输出的目标进行数据关联，已完成对多个目标的跟踪。本文中将数据关联建模成最小费用网络流（Min Cost Network Flow）的优化过程。在网络流中将目标的多个特征进行融合，以提升多跟踪的准确度。 3. 为达到实时的跟踪效果，本文采取了滑动时间窗的策略。同时对随之可能出现的前后时间窗内形成的目标轨迹在重叠部分不一致的情况，提出了有效合理的轨迹融合策略。 4. 搭建以TMS320C6678为核心的图像处理系统。并在此系统平台上完成既定的多目标跟踪算法的实现以及优化。 关键词：目标检测，多目标跟踪，网络流，多特征，滑动时间窗，图像处理系统 目录 摘要 I ABSTRACT III 第一章 绪论 1 1.1 课题背景与意义 1 1.2 国内外研究历史与现状 2 1.2.1 运动目标跟踪 2 1.2.2 DSP图像处理系统 5 1.3 主要工作与创新 8 1.4 本文结构 9 第二章 多目标检测算法的研究 10 2.1 多目标检测常见算法 10 2.1.1 多目标检测概述 10 2.1.2 基于运动信息的目标检测算法 11 2.1.3 基于统计特征的目标检测算法 14 2.2 可变部件模型 16 2.2.1 目标的模型构成 16 2.2.2 分类器及训练过程 17 2.2.3 检测 18 2.2.4 实验结果与分析 19 2.3 非极大值抑制 20 2.4 本章小结 20 第三章 多目标跟踪算法的研究 22 3.1 多目标跟踪常见算法 22 3.1.1 联合概率数据关联 22 3.1.2 多假设跟踪 24 3.1.3 能量最小化 25 3.1.4 网络流算法 28 3.1.5 多目标跟踪算法对比 32 3.2 最小费用流 33 3.2.1 最短路径问题 33 3.2.2 最小费用流算法 36 3.3 网络流中多特征融合 38 3.3.1 颜色特征 38 3.3.2 位置特征 41 3.3.3 SIFT特征 42 3.3.4 目标的多特征表征 46 3.4 多目标的实时跟踪 47 3.4.1 实时跟踪方案 47 3.4.2 相邻时间窗内轨迹的融合 51 3.5 实验结果及分析 53 3.5.1 MOT性能评价指标 53 3.5.2 MOT方案的实施细节 54 3.5.3 实验 55 3.6 本章小结 58 第四章 多目标跟踪在DSP图像处理系统上的实现 59 4.1 DSP图像处理系统的设计研究 59 4.1.1 系统框架结构 59 4.1.2 系统核心器件 60 4.1.3 SRIO数据传输 63 4.1.4 视频序列的输入输出 67 4.1.5 外设模块 69 4.2 多目标跟踪方案的实现与优化 71 4.2.1 DSP处理流程 71 4.2.2 DSP端软件设计 72 4.2.3 DSP存储管理 74 4.2.4 DSP端程序优化 75 4.3 MOT方案在系统中的运行测试 78 4.3.1 准备工作 78 4.3.2 跟踪结果 78 4.3.3 DSP端耗时 78 4.4 本章小结 80 第五章 总结与展望 81 5.1 全文总结 81 5.2 展望 81 致谢 83 |
