運(yùn)動(dòng)目標(biāo)的檢測(cè)、識(shí)別與跟蹤技術(shù)研究.pdf

1、復(fù)雜背景下運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)、識(shí)別與跟蹤是自動(dòng)目標(biāo)識(shí)別(．ATR)領(lǐng)域的一個(gè)重要的研究課題，在武器制導(dǎo)等軍事領(lǐng)域得到了廣泛的應(yīng)用。根據(jù)該技術(shù)的研究現(xiàn)狀和存在問(wèn)題，以及在實(shí)際的工程應(yīng)用中對(duì)該技術(shù)的相關(guān)要求，本論文從算法分析和實(shí)驗(yàn)研究?jī)蓚€(gè)角度，對(duì)電視跟蹤系統(tǒng)中的關(guān)鍵技術(shù)——自動(dòng)目標(biāo)檢測(cè)、識(shí)別與跟蹤算法及其實(shí)時(shí)處理方法進(jìn)行了研究。論文的主要研究成果如下： (1)提出了一種以改進(jìn)的最大類間方差法為基礎(chǔ)的自適應(yīng)閾值圖像分割方法，同時(shí)設(shè)計(jì)了

2、一個(gè)判斷是否得到正確分割的準(zhǔn)則，通過(guò)迭代循環(huán)，完成對(duì)圖像的自動(dòng)分割。該算法自適應(yīng)性強(qiáng)，可以快速、準(zhǔn)確、完整地分割出復(fù)雜背景圖像中不同大小的可見(jiàn)光目標(biāo)； (2)針對(duì)可見(jiàn)光圖像的特點(diǎn)，提出了采用不變矩與圖像特征參數(shù)組成新的特征向量，對(duì)可能的目標(biāo)進(jìn)行識(shí)別，不僅提高了算法速度，也提高了識(shí)別準(zhǔn)確率。實(shí)驗(yàn)表明，系統(tǒng)的跟蹤識(shí)別速度和識(shí)別準(zhǔn)確率都有顯著提高； (3)研究了多子模板相關(guān)匹配算法，并對(duì)各子模板相關(guān)結(jié)果進(jìn)行進(jìn)一步綜合分析。在此

3、基礎(chǔ)上提出一種新的模板更新策略，根據(jù)目標(biāo)的變化情況自動(dòng)調(diào)整參考模板，對(duì)目標(biāo)進(jìn)行穩(wěn)定跟蹤。在實(shí)時(shí)跟蹤過(guò)程中，使用一科SKalman濾波器估計(jì)目標(biāo)運(yùn)動(dòng)參數(shù)，利用其預(yù)測(cè)功能減少模板匹配的搜索區(qū)域，試驗(yàn)結(jié)果表明，該相關(guān)跟蹤算法降低了相關(guān)跟蹤的復(fù)雜度，具有跟蹤精度高和速度快的特點(diǎn)； (4)針對(duì)跟蹤器的實(shí)時(shí)性要求，提出了基于DSP+FPGA技術(shù)的跟蹤識(shí)別系統(tǒng)原理樣機(jī)的初步設(shè)計(jì)方案。系統(tǒng)主要由四部分組成：圖像采集模塊；圖像預(yù)處理模塊；圖像處理