本文關(guān)鍵詞：基于ARM的目標(biāo)檢測(cè)與跟蹤技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：現(xiàn)在視頻監(jiān)控系統(tǒng)已經(jīng)廣泛應(yīng)用于人們的社會(huì)生活、生產(chǎn)及國防等安防領(lǐng)域中。而針對(duì)傳統(tǒng)的視頻監(jiān)控系統(tǒng)成本高,出現(xiàn)監(jiān)控死角,需消耗大量人力資源在監(jiān)控屏幕前看守及輔助操作等缺點(diǎn),本文設(shè)計(jì)了基于ARM11架構(gòu)的智能視頻監(jiān)控系統(tǒng),并對(duì)系統(tǒng)整體結(jié)構(gòu)、硬件與軟件進(jìn)行了設(shè)計(jì),對(duì)其所涉及到的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法進(jìn)行了研究。以基于ARM11的S3C6410處理器作為主控芯片,其上運(yùn)行裁剪的嵌入式Linux系統(tǒng),結(jié)合所設(shè)計(jì)的有效可行的外圍擴(kuò)展電路及外部支持設(shè)備,構(gòu)成了系統(tǒng)的整體結(jié)構(gòu),實(shí)現(xiàn)了系統(tǒng)的小型化,降低了成本。在軟件平臺(tái)的構(gòu)建上,進(jìn)行了uboot移植、裁剪過的內(nèi)核移植、根文件系統(tǒng)制作、Qt及相關(guān)驅(qū)動(dòng)移植,并安裝了OpenCV庫。通過設(shè)計(jì)合適的算法流程,調(diào)用OpenCV庫中的接口函數(shù)來完成基于幀差法的目標(biāo)檢測(cè)以及基于卡爾曼濾波預(yù)測(cè)算法的目標(biāo)跟蹤。另外根據(jù)運(yùn)動(dòng)目標(biāo)的位置信息對(duì)云臺(tái)進(jìn)行控制,使運(yùn)動(dòng)目標(biāo)處于視頻圖像的中心區(qū)域,實(shí)現(xiàn)了跟蹤的智能化。最后通過實(shí)驗(yàn)測(cè)試,本論文完成了預(yù)期效果。
【關(guān)鍵詞】：S3C6410 Linux OpenCV 檢測(cè)與跟蹤 卡爾曼濾波
【學(xué)位授予單位】：長春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TN948.6
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 課題的研究背景和意義8-9
• 1.2 國內(nèi)外發(fā)展現(xiàn)狀9-10
• 1.2.1 視頻監(jiān)控現(xiàn)狀9
• 1.2.2 目標(biāo)檢測(cè)與跟蹤技術(shù)研究現(xiàn)狀9-10
• 1.3 論文的主要研究內(nèi)容及章節(jié)安排10-12
• 第二章 硬件平臺(tái)設(shè)計(jì)12-20
• 2.1 硬件平臺(tái)總體結(jié)構(gòu)設(shè)計(jì)12-13
• 2.2 系統(tǒng)硬件平臺(tái)13-20
• 2.2.1 硬件系統(tǒng)處理器及其外圍電路13-17
• 2.2.2 攝像頭選擇17-18
• 2.2.3 步進(jìn)電機(jī)及其驅(qū)動(dòng)電路18-20
• 第三章 開發(fā)環(huán)境及ARM嵌入式系統(tǒng)搭建20-36
• 3.1 嵌入式操作系統(tǒng)選擇20-21
• 3.2 PC宿主機(jī)環(huán)境的搭建21-23
• 3.2.1 交叉編譯環(huán)境的搭建21-22
• 3.2.2 宿主機(jī)與目標(biāo)機(jī)通信環(huán)境的搭建22-23
• 3.3 嵌入式Linux操作系統(tǒng)的移植23-32
• 3.3.1 U-boot移植24-25
• 3.3.2 Linux內(nèi)核及相關(guān)驅(qū)動(dòng)移植25-29
• 3.3.3 Linux根文件系統(tǒng)的構(gòu)建29-31
• 3.3.4 Qt移植31-32
• 3.4 OpenCV移植32-36
• 3.4.1 OpenCV簡(jiǎn)介32-33
• 3.4.2 OpenCV的移植33-36
• 第四章 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究36-46
• 4.1 運(yùn)動(dòng)估計(jì)與運(yùn)動(dòng)補(bǔ)償36-37
• 4.2 圖像預(yù)處理37-40
• 4.3 運(yùn)動(dòng)目標(biāo)檢測(cè)方法40-42
• 4.4 運(yùn)動(dòng)目標(biāo)跟蹤方法42-46
• 第五章 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤實(shí)驗(yàn)及測(cè)試46-54
• 5.1 圖像采集46-47
• 5.2 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法流程設(shè)計(jì)47-48
• 5.3 目標(biāo)檢測(cè)與跟蹤測(cè)試結(jié)果48-54
• 5.3.1 圖像的灰度化48
• 5.3.2 中值濾波48-50
• 5.3.3 幀間差分50
• 5.3.4 運(yùn)動(dòng)物體的跟蹤與顯示50-54
• 第六章 總結(jié)與展望54-55
• 參考文獻(xiàn)55-57
• 致謝57

  本文關(guān)鍵詞：基于ARM的目標(biāo)檢測(cè)與跟蹤技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：258853