基于視頻的嵌入式目標(biāo)探測(cè)與跟蹤技術(shù)研究.pdf

1、目標(biāo)探測(cè)與目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺中重大研究課題，是融合了圖像處理、信號(hào)濾波技術(shù)、人工智能、模式識(shí)別、自動(dòng)控制以及軟件開發(fā)等高新技術(shù)，并在精確制導(dǎo)、智能交通、醫(yī)學(xué)影像、機(jī)器人視覺等國(guó)防與民生中起關(guān)鍵性作用，且具有重大意義。本文主要研究基于級(jí)聯(lián)分類器的紅外弱小目標(biāo)探測(cè)算法、基于分層模板匹配的抗遮擋跟蹤算法以及基于嵌入式TM320DM642DSP平臺(tái)的算法移植及優(yōu)化。論文主要內(nèi)容詳細(xì)介紹：
　　1)分析了紅外弱小目標(biāo)探測(cè)的傳統(tǒng)方法，而

2、本文采用了基于級(jí)聯(lián)分類器的目標(biāo)探測(cè)方法將目標(biāo)探測(cè)問題轉(zhuǎn)化成“目標(biāo)--非目標(biāo)”兩類分類問題。首先對(duì)圖像網(wǎng)格劃分，采用局部極值提取候選目標(biāo)區(qū)域，對(duì)所有候選目標(biāo)區(qū)域提取灰度分布特征，然后采用級(jí)聯(lián)分類器進(jìn)行分類：第一級(jí)分類器是針對(duì)提取的特征采用閾值分類進(jìn)行初步篩選；第二級(jí)分類器是采用加權(quán)l(xiāng)ogistic回歸分類器進(jìn)一步去除虛警點(diǎn)；第三級(jí)分類器是利用弱小目標(biāo)在空間及時(shí)間上的相關(guān)性濾除虛警點(diǎn)，提取弱小目標(biāo)。實(shí)驗(yàn)結(jié)果表明在相同虛警概率下，檢測(cè)率比基于

3、背景估計(jì)方法有一定提升，檢測(cè)速度大幅提高。
　　2)針對(duì)運(yùn)動(dòng)目標(biāo)跟蹤過程中的遮擋問題，提出了基于分層模板匹配的抗遮擋跟蹤算法：首先提取分層模板，采用四叉樹結(jié)構(gòu)構(gòu)造三層多子塊模板，采用Harris角點(diǎn)描述子塊灰度分布，提取每層模板中具有可模板性的子塊；然后采用多層多子塊模板相似度匹配算法與加權(quán)投票表決判斷遮擋情況，當(dāng)目標(biāo)局部遮擋時(shí)子塊匹配結(jié)果可以準(zhǔn)確跟蹤目標(biāo)位置，當(dāng)目標(biāo)全局遮擋時(shí)利用KALMAN濾波進(jìn)行預(yù)測(cè)估計(jì)目標(biāo)位置；利用縮放因子