運(yùn)動目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域十分重要的研究方向,在社會生活的方方面面應(yīng)用廣泛。壓縮感知跟蹤算法（CT）是運(yùn)動目標(biāo)跟蹤領(lǐng)域十分經(jīng)典的算法,該算法應(yīng)用壓縮感知理論,改進(jìn)了特征提取的方式,提高了算法時效性。隨著Arm、FPGA、Zedboard等嵌入式硬件開發(fā)平臺的發(fā)展,軟件的嵌入式開發(fā)已經(jīng)深入算法研究領(lǐng)域。Zedboard是Xilinx Zynq系列的可編程SoC（片上系統(tǒng)）芯片,由雙核的ARM cortex-A9處理器與FPGA構(gòu)成,是目前目標(biāo)跟蹤領(lǐng)域進(jìn)行嵌入式開發(fā)首選的硬件平臺。本文工作主要分為三個部分:第一部分,深入分析現(xiàn)有CT算法,發(fā)現(xiàn)CT算法設(shè)計上存在的兩點(diǎn)不足:對候選目標(biāo)樣本的選取,采取的依然是逐像素選取策略;測量矩陣不能夠根據(jù)跟蹤目標(biāo)不同進(jìn)行自適應(yīng)調(diào)整。對Zedboard平臺上嵌入式Ubuntu操作系統(tǒng)搭建、串口監(jiān)視器搭建和交叉編譯器搭建進(jìn)行了介紹,闡述了Zedboard平臺上進(jìn)行嵌入式開發(fā)的基本原理和操作。第二部分,針對CT算法存在的不足,本文提出使用自適應(yīng)測量矩陣和粒子群優(yōu)化方法（PSO）對CT算法進(jìn)行改進(jìn)。自適應(yīng)測量矩陣通過對測量向量降維提高算法時效性;粒子群優(yōu)化方法通... 

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 目標(biāo)跟蹤算法的分類
    1.4 目標(biāo)跟蹤算法存在的挑戰(zhàn)
    1.5 論文主要創(chuàng)新和內(nèi)容
        1.5.1 論文主要創(chuàng)新和內(nèi)容
        1.5.2 論文各章節(jié)安排
第二章 CT算法分析與Zedboard平臺搭建
    2.1 CT算法原理
        2.1.1 特征提取的優(yōu)化
        2.1.2 貝葉斯分類器
    2.2 CT算法流程與不足
        2.2.1 CT算法初始化流程
        2.2.2 CT算法主循環(huán)流程
        2.2.3 CT算法存在的不足
    2.3 Zedboard簡介
    2.4 Zedboard平臺搭建
        2.4.1 嵌入式Ubuntu操作系統(tǒng)搭建
        2.4.2 串口監(jiān)視器TeraTerm搭建
        2.4.3 交叉編譯器搭建
    2.5 本章小結(jié)
第三章 基于自適應(yīng)測量矩陣與PSO改進(jìn)的CT算法
    3.1 APCT算法概述
    3.2 自適應(yīng)測量矩陣
        3.2.1 自適應(yīng)測量矩陣降維原理
        3.2.2 自適應(yīng)測量矩陣設(shè)計與實(shí)現(xiàn)
    3.3 粒子群優(yōu)化算法
        3.3.1 粒子群優(yōu)化算法公式
        3.3.2 粒子群優(yōu)化算法解析
        3.3.3 粒子群優(yōu)化算法實(shí)現(xiàn)
    3.4 實(shí)驗結(jié)果與分析
        3.4.1 實(shí)驗策略
        3.4.2 實(shí)驗準(zhǔn)備
        3.4.3 質(zhì)量評估
        3.4.4 視覺評估
    3.5 本章小結(jié)
第四章 APCT算法基于Zedboard平臺的實(shí)現(xiàn)
    4.1 庫的編譯與移植
        4.1.1 ffmpeg庫編譯與移植
        4.1.2 Opencv庫編譯與移植
        4.1.3 Qt庫編譯與移植
    4.2 算法設(shè)計
        4.2.1 Qt與算法嵌入式Zedboard平臺實(shí)現(xiàn)的關(guān)系
        4.2.2 算法設(shè)計實(shí)現(xiàn)
    4.3 平臺實(shí)現(xiàn)
        4.3.1 操作流程
        4.3.2 結(jié)果顯示
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種應(yīng)用于交通環(huán)境中的運(yùn)動車輛跟蹤方法[J]. 甘玲,潘小雷.  重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2013(03)
[2]基于壓縮感知的圖像自適應(yīng)編碼算法[J]. 張淑芳,李凱,徐江濤,瞿廣財.  天津大學(xué)學(xué)報. 2012(04)

博士論文
[1]復(fù)雜場景下高效視頻目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D]. 高赟.云南大學(xué) 2014

碩士論文
[1]智能視頻監(jiān)控系統(tǒng)中運(yùn)動目標(biāo)跟蹤算法研究[D]. 李杰.云南大學(xué) 2016



本文編號：3683946