近年來(lái),人工智能得到了前所未有的關(guān)注和發(fā)展,人工智能正在不斷地改變著我們的生產(chǎn)生活方式,給我們帶來(lái)了極大的便利和優(yōu)越的體驗(yàn)。計(jì)算機(jī)視覺(jué)作為人工智能最重要的技術(shù)之一,就是要使機(jī)器能夠像我們?nèi)祟惖难劬σ粯泳哂袑?duì)周?chē)h(huán)境進(jìn)行感知和理解的能力。目前,基于ARM處理器的嵌入式平臺(tái)計(jì)算能力有限,而性能好的目標(biāo)跟蹤算法往往具有復(fù)雜度高、計(jì)算量大、難以得到實(shí)時(shí)實(shí)現(xiàn)的特點(diǎn)。因此,研究面向ARM處理器的目標(biāo)跟蹤算法的實(shí)現(xiàn)和加速優(yōu)化,提高系統(tǒng)的實(shí)時(shí)性,具有重要的研究意義和應(yīng)用價(jià)值。本文首先基于ARM處理器實(shí)現(xiàn)了TLD目標(biāo)跟蹤算法,然后在理解算法的基礎(chǔ)上對(duì)算法進(jìn)行加速優(yōu)化,提高算法的實(shí)時(shí)性。一方面對(duì)算法進(jìn)行改進(jìn),降低算法的計(jì)算量和復(fù)雜度;另一方面充分挖掘處理器的計(jì)算資源,利用硬件加速的手段對(duì)算法進(jìn)行加速優(yōu)化。論文主要進(jìn)行了以下的幾點(diǎn)工作:1.TLD算法的實(shí)現(xiàn)和耗時(shí)分析。分析了TLD算法的原理和實(shí)現(xiàn)的細(xì)節(jié),分析RK3399軟硬件系統(tǒng)資源,搭建了算法運(yùn)行環(huán)境,將TLD算法移植到RK3399平臺(tái)上。結(jié)合算法理論和實(shí)際運(yùn)行結(jié)果系統(tǒng)地分析了TLD算法的復(fù)雜度和運(yùn)行耗時(shí),討論算法運(yùn)行時(shí)的耗時(shí)部分和影響算法實(shí)時(shí)性的主要因素... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能視頻監(jiān)控

圖 1. 2 汽車(chē)駕駛輔助系統(tǒng)（3） 智能機(jī)器人在工業(yè)制造、物流運(yùn)輸、停車(chē)場(chǎng)等場(chǎng)景，智能化的機(jī)器人能夠代替人類完成特定的工作，減少了人力成本的輸出，提高工作效率。網(wǎng)購(gòu)已經(jīng)成為人們購(gòu)物的重要方式，

智能機(jī)器人

【參考文獻(xiàn)】：
期刊論文
[1]基于TLD框架的快速目標(biāo)跟蹤方法[J]. 童源,費(fèi)樹(shù)岷,沈捷.  計(jì)算機(jī)應(yīng)用研究. 2018(01)
[2]基于BRISK和CamShift的魯棒目標(biāo)跟蹤研究[J]. 劉亞偉,李小民.  電光與控制. 2017(03)
[3]細(xì)數(shù)ARM處理器的那些CPU核心[J]. 藍(lán)色.  個(gè)人電腦. 2016(02)
[4]基于神經(jīng)網(wǎng)絡(luò)和光流場(chǎng)的嵌入式高速目標(biāo)識(shí)別與跟蹤（英文）[J]. 蘇金瀧,HERBERT H C IU,FERNANDO T.  中國(guó)公路學(xué)報(bào). 2015(11)
[5]基于空時(shí)線索的TLD視頻跟蹤算法[J]. 李俊,謝維信,李良群.  信號(hào)處理. 2015(10)
[6]改進(jìn)TLD算法在光電跟蹤中的應(yīng)用[J]. 王建剛,李醒飛,陳誠(chéng),譚文斌.  紅外技術(shù). 2015(10)
[7]檢測(cè)區(qū)域動(dòng)態(tài)調(diào)整的TLD目標(biāo)跟蹤算法[J]. 曲海成,單曉晨,孟煜,劉萬(wàn)軍.  計(jì)算機(jī)應(yīng)用. 2015(10)
[8]一種基于壓縮感知的在線學(xué)習(xí)跟蹤算法[J]. 劉威,趙文杰,李成.  光學(xué)學(xué)報(bào). 2015(09)
[9]基于TLD框架的上下文目標(biāo)跟蹤算法[J]. 呂枘蓬,蔡肖芋,董亮,涂繼輝.  電視技術(shù). 2015(09)
[10]TLD視頻目標(biāo)跟蹤方法改進(jìn)[J]. 金龍,孫涵.  計(jì)算機(jī)與現(xiàn)代化. 2015(04)

博士論文
[1]基于稀疏學(xué)習(xí)的視覺(jué)目標(biāo)跟蹤[D]. 馬子昂.浙江大學(xué) 2017
[2]基于異類傳感器信息融合的目標(biāo)跟蹤理論與方法研究[D]. 王琪龍.北京交通大學(xué) 2017
[3]固定翼無(wú)人機(jī)地面車(chē)輛目標(biāo)自動(dòng)檢測(cè)與跟蹤[D]. 李大偉.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院國(guó)家空間科學(xué)中心) 2017
[4]多核異構(gòu)環(huán)境下通用并行計(jì)算框架關(guān)鍵技術(shù)研究[D]. 盛艷秀.中國(guó)海洋大學(xué) 2013

碩士論文
[1]基于TLD框架的在線目標(biāo)跟蹤算法研究[D]. 劉興云.華僑大學(xué) 2016
[2]MPCore多核處理器并行計(jì)算方法的研究與實(shí)現(xiàn)[D]. 楊川.西南交通大學(xué) 2014
[3]基于ARM Cortex-A8平臺(tái)的Opus解碼器優(yōu)化技術(shù)[D]. 唐陽(yáng)陽(yáng).華中科技大學(xué) 2013
[4]隨機(jī)森林的模型選擇及其并行化方法[D]. 蔡林霖.哈爾濱工業(yè)大學(xué) 2013
[5]基于ARM Cortex-A8平臺(tái)的AAC解碼器優(yōu)化技術(shù)[D]. 曾瑞.華中科技大學(xué) 2012



本文編號(hào)：2977639