分享到:

基于DSPs的运动目标检测与匹配

运动目标的检测与跟踪在许多领域有着广泛的应用.目前检测和跟踪动态目标的方法有许多报道,但由于待处理的信息量太大、算法复杂度较高,因此处理的实时性往往成为困扰技术人员的难题.为此,寻求一种使用基于PCI接口的图像采集卡和TMS320C6000系列数字信号处理器(DSPs),加快和改善运动目标检测和跟踪运算处理性能的方法,实现实时的运动目标监控和追踪.1 基于TMS320C6701运动目标追踪系统的结构和工作流程基于DSPs的运动目标追踪系统主要由两部分构成:底层硬件控制,高层软件管理.图1所示是追踪系统的基本结构框图,说明了各部分之间的关系及传递的信息.该追踪系统的大致工作流程为:成像采集装置(DH-PCIH)从客观世界三维场景中采集图像序列,保存在PCI-C6XEVM板的高速图像帧存储器中.然后利用DSPs芯片强大的快速浮点运算能力完成运动目标的自动识别与跟踪的处理流程,提取出运动目标并计算出该运动目标运动的速度.一方面通过消息...  (本文共6页) 阅读全文>>

福州大学
福州大学

基于DSPs的多运动目标自适应跟踪系统

本课题主要研究在复杂背景中对多个运动目标进行实时跟踪的动态视觉系统。在众多的运动目标检侧算法中,我们将帧间差值法、数学形态学方法、光流场方法加以结合,提出了一个简单快速的复杂背景下多目标运动区域检测与分割算法。帧间差值法检测运动目标简单快捷,但是精确度低,无法获知目标的运动方向和速度大小等重要信息;光流场算法不仅包含了被观察物体的运动信息,而且携带着有关景物二维结构的丰富信息,但是计算复杂,不适合实时处理。本文将二者相结合,运动目标的第一步检测由帧间差值法完成,同时运用数学形态学方法对差值图像进行过滤和排查,精确提取出多运动目标的运动区域。在第一步检测的基础上,应用经过了部分改进的光流场算法,比较精确地提取出运动目标,并计算出目标的速度大小和方向。同时,我们通过大量的测试数据验证了多目标运动区域检测与分割技术、特征提取与选择技术、多运动状态检测技术可行性和鲁棒性。在这些可靠的理论基础上,我们建立了一个基于DSPs(TMS320C...  (本文共61页) 本文目录 | 阅读全文>>

《光学技术》2014年06期
光学技术

畸变校正与帧差法相结合的运动目标检测

0引言利用视频监控系统对运动目标进行检测和跟踪是一个研究热点[1—3]。在多种算法中,帧差法[4]因其快捷有效而被广泛运用。由于帧差法是将相邻两帧或几帧直接相减来提取运动信息的,因而要求在获取图像帧时,图像的背景不能发生较大的变化。在实际应用中,当被监控的运动目标移动时,为了跟踪的需要,监控系统中的光学成像系统必然要进行旋转运动或变焦,这必然会使获取的图像背景发生较大的变化,从而无法应用帧差法进行运动目标的检测。鉴于帧差法简单快速的优点,一些学者提出了基于帧差法的改进目标检测算法,以使帧差法能够应用于光学成像系统运动时的情况。例如文献[5]提出了一种动态背景下的红外运动目标检测算法,该算法对背景平移补偿进行了改进,能减少背景干扰;文献[6]提出了一种动态背景下的运动目标检测135算法,利用相位相关法和傅里叶梅林变换估计全局运动参量,改进了对背景平移参量的计算,实现了动态背景下的运动目标检测。但这些算法不能用在视场较大的光学成像系...  (本文共4页) 阅读全文>>

《电子质量》2013年04期
电子质量

基于System Generator的帧间差分运动目标检测算法仿真

0引言运动目标检测算法[1]是计算机视觉研究中的一个重要分支,其目的是从图像序列中将变化区域提取出来。变化区域的有效提取对后续的目标分类、跟踪和行为理解等处理都非常重要。帧间差分算法是运动目标检测算法中最常用的一种,此算法比较简单,速度快,容易进行硬件实现。1 System Generator简介System Generator是一款由美国Xilinx和MathWorks公司合作开发的系统级建模仿真工具。该工具在原有Simulink平台上进行了扩展,提供数字信号处理硬件实现的建模方法,使得基于FPGA的DSP硬件设计变得更加简单、快速。System Generator不仅提供了系统级建模仿真设计的能力,而且支持软/硬件协同仿真、执行以及验证。在整个过程中,不需要书写复杂的HDL(硬件描述语言)代码。此外,System Generator不仅可以通过高级提取自动生成实现FPGA设计的HDL代码;而且也可以完成低级提取,访问FPGA...  (本文共5页) 阅读全文>>

《航天控制》2013年05期
航天控制

更正

2013年第4期“基于粒子滤波的红外弱小多运动目标检测”一文的作者单位更正为:...  (本文共1页) 阅读全文>>

《仪表技术》2012年01期
仪表技术

基于改进背景差法的运动目标检测

0引言运动目标检测是视觉领域的一个重要研究课题。在已有的运动目标检测方法中,由于图像差分法的原理和算法比较简单,易于实现且实时性较好,因而成为目前广泛应用的运动目标检测方法。运动目标检测的图像差分法一般可以分为两种:帧间差法与背景差法。帧间差法直接求取前后两帧图像之间的差别,它对物体的运动比较敏感,实际上检测到的是目标与背景发生相对运动的区域(包括运动目标和显露区域);它受光线的影响较小,但是检测目标不够准确。在此基础上有人提出利用三帧图像计算出两个差图像,再令它们对应像素相乘,从而得到运动目标,但没有考虑到摄像机的抖动可能引起背景的运动,造成差图像中存在较多的伪运动信息。背景差法能够快速、准确地分割出运动物体,但容易受环境和光照的变化影响,而且如果运动目标与背景颜色相似,则检测出来的运动目标通常是不完整的。因此,本文提出一种改进的运动目标检测算法。1背景差法背景差法是目前运动检测中的主流方法,它是利用含有运动目标的当前图像与背...  (本文共3页) 阅读全文>>

《测绘信息与工程》2005年06期
测绘信息与工程

基于聚类分析的运动目标检测与分割算法及实现

基于时间序列影像的运动目标检测可以直接利用时-空影像的颜色(或灰度)信息及梯度信息进行,如差分影像法;也可以采用在两帧运动影像间估计光流场,然后基于光流场进行目标检测,如光流法。通过序列影像的差分获得运动信息并建立运动模式,再通过模式判别的方法,将影像上的点归入不同的运动模式或非运动模式,并分别进行不同的处理,由此获得运动目标的完整信息并且将其从原始影像中分割出来。1基于聚类分析的运动目标检测方法在应用聚类分析法进行模式识别时,首要的一步是模式特征的选择,即描述每一模式点在模式空间中分布的指标,模式特征的选择决定模式相似测度的选择。考查时间序列影像中运动目标运动的特点,实际在时间序列影像中反映目标运动的指标就是颜色(或是灰度)变化及位置变化,故选择影像中点的颜色分量R,G,B(在灰度影像中选择灰度级)及影像点的影像坐标分量x,y作为模式特征的指标,即模式特征空间描述为Ω(R,G,B,x,y)。对序列影像中的每一像素点Xi,其在模...  (本文共2页) 阅读全文>>