基于嵌入式的目標跟蹤系統(tǒng)研究與開發(fā).pdf

1、伴隨著社會現(xiàn)代化進程的不斷發(fā)展，城市人口逐漸增多，公共安全、交通安全、安防等問題已經(jīng)成為市民重點關注的對象。我國的智能監(jiān)控系統(tǒng)研究正于處于初級階段，目標檢測與跟蹤算法的理論研究較落后，硬件平臺設施不完善，設備運行效率較低，性能不穩(wěn)定。本文將ARM嵌入式開發(fā)技術與計算機視覺技術相整合，提出了基于嵌入式的目標跟蹤系統(tǒng)研究。為后續(xù)研究小型化、實時化的嵌入式目標跟蹤系統(tǒng)進行有益的嘗試。論文完成的主要研究工作有：
　　（1）系統(tǒng)總體設計與軟

2、硬件平臺搭建
　　首先分析系統(tǒng)的核心功能需求，完成對系統(tǒng)總體構架的設計。綜合分析系統(tǒng)的使用環(huán)境、開發(fā)周期、開發(fā)成本等多方面因素，選擇mini2440開發(fā)板作為硬件平臺的載體、Linux操作系統(tǒng)作為軟件層的基礎。搭建 ARM-Linux開發(fā)環(huán)境，將Linux操作系統(tǒng)經(jīng)過裁剪并移植到開發(fā)板中；為了在開發(fā)板中能夠處理視頻圖像信息，同時完成對OpenCv圖像處理庫的交叉編譯與移植工作。
　?。?）改進Sift目標特征提取算法

3、　　針對SIFT特征具有的高維度特性、占用較大存儲空間以及算法復雜度較大、實時性較差的特點，提出了改進的SIFT特征算法。并詳細介紹了基于判別式的表觀模型目標跟蹤算法的一般流程與壓縮感知理論相關知識，為后續(xù)改進跟蹤算法做鋪墊。
　　（3）改進壓縮感知目標跟蹤算法
　　針對嵌入式硬件平臺內存資源有限的缺點，選擇計算量較小，實時性較好的基于壓縮感知的目標跟蹤算法作為研究對象。該算法在目標被摭擋、目標外觀模型發(fā)生較大變化的情況下容

4、易產(chǎn)生漂移現(xiàn)象，魯棒性較差；為此對該算法進行改進，提出了基于 Bhattacharyya距離的自適應調整學習速率的算法與基于改進的SIFT特征匹配的目標尺寸自適應修正算法。
　?。?）實驗對比分析
　　將改進后的算法與原算法作對比分析實驗，實驗表明改進后的算法在目標被摭擋、目標外觀模型發(fā)生變化的情況下，仍能夠跟蹤到目標。改進后的算法相比于原算法，算法在精確性、魯棒性方面的性能明顯提高。最后將改進后的算法燒寫到ARM開發(fā)板中進