基于TMS320C6455的目标跟踪系统设计与实现

介绍了一种基于高速处理芯片TMS320C6455和FPGA架构的目标跟踪系统。该系统以DSP与FPGA为主体设计一套图像处理设备,利用局域熵算法来实现简单背景下小目标的跟踪。FPGA采用Xilinx公司生产的XC5VSX95T ,用来对原始图像数据进行预处理。DSP芯片采用TI公司生产的 TMS320C6455,通过局域熵算法对预处理后的图像进行实时跟踪并且将目标信息返回FPGA。FPGA获得跟踪结果后,将目标信息与原图像叠加,通过显示器将图像结果进行显示。局域熵算法经过优化后,目标检测跟踪时间大大缩短,满足硬件系统实时性的要求。     

高效视频编码（HEVC）帧内预测的硬件实现方案

为了满足实时性要求,提出了基于现场可编程门阵列(field-programmable gate array,FPGA)的帧内预测并行化设计架构.通过并行架构来减少运算等待时间,通过查找表简化了参考像素选取过程,通过预测运算单元来降低计算复杂度和硬件实现的难度.实验代码通过Verilog HDL编写,通过Modelsim SE 10.1a进行仿真,并在Xilinx Virtex6 XC6VLX760 FPGA上综合.结果表明,该结构完成32×32块的预测需要570个时钟周期,在100 MHz时钟频率下,可以对60 f/s,分辨率为1 920×1 080的视频帧序列进行实时编码,满足实时性要求.     

基于多特征匹配的轻量化行人跟踪算法研究

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。     

一致性特征点匹配在目标跟踪中的应用

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了一种新的基于局部特征点匹配的KPM(key points matching) 算法,对图像的局部多尺度特征提取与匹配进行研究。首先,应用SURF(speeded up robust features) 算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,结合最近邻提纯法与一致提纯法剔除目标区域以外的特征点对,减少误匹配以提高跟踪精度。最后,生成目标仿射变换矩阵,更新目标运动参数。实验结果表明,本文所提出的KPM算法当目标发生大角度旋转和快速缩放,同时发生光照变化时,仍能够实现稳定的跟踪,且满足运动目标实时跟踪稳定可靠、精确度高、抗干扰能力强等指标要求。     

改进Mean Shift目标跟踪算法实现

目标跟踪技术目前具有较好的应用前景，但在嵌入式处理平台中面临着实时性要求高、跟踪场景复杂等情况，加上受成本和嵌入式处理平台算力的限制，其处理效果往往很难满足现实需求，因此目标跟踪等图像处理技术的落地实现是当前研究的热点内容。针对此问题，本文在FPGA平台实现了改进Mean Shift目标跟踪算法，该算法首先通过目标的概率密度分布梯度爬升来寻找目标，然后采用Kalman滤波的预测机制来预估下一帧搜寻计算的位置，从而减少Mean Shift的迭代次数。该算法实现充分利用FPGA能够并行和流水线处理的特点，实现了在1 920×1 080@60 Hz高清视频图像场景下的实时目标跟踪，其中Kalman滤波算法使其在较复杂场景下也能具备一定的抗遮挡干扰的能力。     

基于深度学习的红外过采样扫描图像小目标跟踪算法

红外小目标跟踪过程中由于背景、外界杂波等干扰,导致跟踪精确度和实时性欠佳,为此,提出基于深度学习的红外过采样扫描图像小目标跟踪算法。首先构建了红外过采样扫描图像模型,通过背景估计、形态学开运算,对图像中背景以及外界杂波进行多级滤除;然后增加设计特征融合模块和区域选取模块来改进孪生网络,生成融合特征图输入目标区域,通过分类和回归计算提高图像的特征表征能力和跟踪精度;最后建立损失函数训练孪生网络,输出红外过采样扫描图像小目标跟踪结果。实验结果表明,利用所提算法进行图像滤除后,信噪比能够高达35 dB,所提算法的区域重叠率较高、跟踪精度高,且算法的实时性强,帧率达到200 fps以上,整体跟踪效果好。     

融合SimAM注意力机制的实时多目标跟踪算法

多目标跟踪中的JDE算法首次将目标检测与重识别进行联合学习，极大提升了跟踪速度，但由于复杂背景干扰和遮挡导致跟踪准确度下降。为了解决跟踪速度与准确度的平衡问题，本文提出了SAM JDE，该模型融合了SimAM注意力机制、多尺度融合等思想，通过增强特征提取能力提高目标跟踪的准确性。使用CIoU_Loss作为回归损失函数，通过准确地构建目标框和预测框之间的位置关系来提升定位精度。关联匹配部分使用卡尔曼滤波预测运动信息，匈牙利匹配算法完成时序维度上的目标关联。在MOT16 test数据集上进行测试，MOTA达到664%，跟踪速度为206 FPS，在保证实时性的基础上跟踪准确度较JDE算法提升23%，较好地优化了准确度与速度的平衡问题。     

一种基于导数的实时频率跟踪算法

频率是电力系统监控和保护中的重要参数,为对其进行快速准确的测量,提出了一种实时的频率跟踪算法。利用交流信号的正弦特性,通过二阶求导并进行线性化近似处理,进而事后误差补偿。算法在二阶导数初始计算时,运用Lagrange多项式进行曲线拟合。为减小多项式拟合和线性近似带来的误差,引入了误差补偿量和误差修正因子,提高了算法的计算精度。同时,分析了拟合多项式的误差余项,从而应用等比定理并在半周期长度的数据窗内进行平滑滤波,在兼顾实时性的基础上提高了算法的鲁棒性。Matlab平台上的仿真结果表明:该算法计算精度较高,对二次谐波有一定抑制作用,能较好地满足电力系统实时频率跟踪的要求。     

基于改进YOLO和DeepSORT的实时多目标跟踪算法

针对基于检测的两步多目标跟踪算法模型结构复杂、实时性差的问题,提出一种基于改进YOLOv4-Tiny和DeepSORT的实时多目标跟踪算法。在YOLOv4-Tiny算法中引入深度可分离卷积,压缩模型计算量;将检测分支增加至3个,并使用多尺度特征融合结构以降低对小目标的漏检率;利用改进的GC注意力模块,加强网络对全局上下文特征的提取能力。跟踪部分使用DeepSORT算法,使用匀加速卡尔曼滤波优化其行人运动模型,利用浅层分类网络重构其外观模型,最后在MOT16测试序列中实验。结果表明,改进算法的总参数量为4.2M,较原算法减少52%且MOTA增加5.2%,GPU下处理时间加快,单CPU时能达到平均每秒11帧的跟踪速度,能满足低算力设备对跟踪任务精度和速度的要求。     

基于SIFT和感知哈希改进的CamShift跟踪算法

传统的CamShift仅使用目标的颜色直方图作为特征,因此在相似背景干扰、遮挡、高速运动等情况下容易出现跟踪不准确或丢失跟踪目标的现象。针对上述不足,提出了基于SIFT和感知哈希改进的CamShift跟踪算法。首先,将图像从RGB颜色空间转为HSV颜色空间,分别得出色调和饱和度直方图,并提取图像的边缘梯度直方图进行融合获得目标的融合直方图。其次在CamShift算法框架下得到最优候选目标,若候选目标与目标模板的Bhattacharyya距离大于阈值时,则使用改进的感知哈希算法进行最优候选目标的搜索。然后在下一帧搜索时,在目标和视频序列的高信息熵部分使用SIFT算法进行特征点的提取并匹配从而获取初始搜索窗口,若SIFT算法匹配失败,则使用卡尔曼滤波预测的搜索框作为初始搜索窗口。将该算法首先在OTB-100数据集上和其他常用的跟踪算法进行对比实验,实验结果表明算法能够准确地跟踪目标,跟踪成功率达到了90.1%。将该算法应用于人脸跟踪任务中,并与其他的人脸跟踪算法进行对比实验,实验结果表明该算法具有更好的性能和准确性,跟踪成功率达到了93.5%。     

连续机组的物流跟踪

在连续生产机组中，物流跟踪作为整个控制系统中的一个重要功能，其作用日益凸现，它起着承上启下的作本文针对宝钢冷轧连续退火机组的物流跟踪功能，重点介绍冷轧连续生产机组焊缝跟踪系统的基本原理及自适应控制在跟踪实现中的应用。     

基于循环相关滤波算法的复杂背景目标跟踪方法研究

为了实现在复杂情况中对特定目标的路线跟踪,主要研究了基于循环相关滤波器的目标跟踪算法,并针对复杂环境情况下影响跟踪性能的条件进行分析比较。该算法是一种基于线性分类器的监督学习算法,通过添加空间正则化分量减少边界效应,提取准确目标。在OTB-50和OTB-100数据集上进行算法验证,实验表明,该算法的跟踪结果优于其他算法,在快速移动、背景杂乱、光照变化、遮挡、移出视线和运动模糊6种复杂情况下跟踪准确度比传统算法均高出0.1以上。     

太阳能跟踪控制系统的设计

为了提高太阳能利用率,提出一种新的太阳能跟踪方式,通过光敏电阻构成的光电传感器检测光线强度,根据光强偏差闭环控制步进电动机的转动,保证太阳光线与光伏电池板平面始终垂直,使光伏电池板输出功率最大。设计了基于AT89C52单片机为控制核心,驱动2组步进电动机,从方位角和高度角2个方向调整太阳能电池组方阵的姿态,实现双轴跟踪。试验结果表明,该控制系统能准确跟踪光源,实现电动机转动,工作性能稳定。采用单片机的太阳能跟踪控制系统具有成本低、精度高的优点。     

基于LPC2212的超声波电源频率跟踪系统研究

频率跟踪是超声波电源的一个重要特性.针对目前超声波电源负载发生突变时系统易失锁的问题,提出了一种基于LPC2212的超声波电源频率自动跟踪控制,并对其频率跟踪控制方法进行了阐述,给出了频率自动跟踪实现流程图.通过实验证明该控制方法具有检测精度高、动态响应速度快、频率跟踪稳定性高等优点.     

光伏并网模拟发电装置的设计与试验

以C8051F340单片机为控制核心,设计全桥斩波逆变电路、LC滤波电路、工频升压变压器、过零比较电路和交直流电压电流检测等电路构成光伏并网模拟发电装置的硬件部分.利用单片机片内PWM、定时器输入捕获、外部中断等资源,采用同频同相、过流欠压保护等算法实现电压、电流、相位等参数的闭环控制,且装置发生故障排除后能自动投入运...     

一种高精度双轴太阳能自动跟踪系统的设计

分析了当前太阳能跟踪系统中常用的方法及其优、缺点。提出了一种以单片机STC12C5206AD为控制核心,通过时钟控制粗调定位,然后利用光电转换电路,精确跟踪太阳的方案。试验结果表明,采用该方案既保证较高的太阳利用率,又避免了无效电能损耗和机械磨损。     

一种全方位移动机器人的控制方法

基于本所开发的轮式全方位移动机器人,给出了这一类机器人的运动学模型;依据矩阵条件数的概念,分析了运动学模型的不确定性对控制效果的影响;利用机器人具有的全方位移动能力,提出一种结构简单的控制方法,在机器人本体方向保持不变或依据某种要求变化的情形下,分别实现轨迹跟踪和位姿跟踪;仿真计算和实际实验结果证明了所提出的控制方法的有效性。     

L292在激光跟踪测量系统中应用

文中介绍激光跟踪测量系统中直流电机的控制方案,在此方案中利用L292及其外围电路对电机进行功率驱动和电流调节.实验表明,此方案完全能够满足跟踪系统对跟踪速度和跟踪精度的要求.     

跟踪微分器在随动系统位置控制中的应用

将微分跟踪器(Tracking Differentiator,简称TD)应用到数字交流随动系统位置信号的处理中,采用TD对指令信号和反馈信号进行跟踪,使之转化为平滑的信号,并对其微分信号进行分离,用于构造前馈控制和误差控制的控制量成分;探讨了采用TD的非线性位置控制器的原理及应用.试验结果表明,该方法简单可行,采用TD的位置控制器可实现信号的预处理,保证了前馈信号和指令反馈的平滑性;同时,采用非线性的PID组合控制,保证了控制器具有很好的控制品质、对不确定对象有良好适应性和鲁棒性,使比例、微分和积分充分发挥出各自的功效,缓解了随动系统中精度和快速性的矛盾,大大改善了系统闭环响应的品质,提高了系统性能.     

基于环境参数模型的定电压MPPT控制算法研究

根据光伏电池模型和最大功率跟踪(MPPT)原理,提出了一种基于环境参数的最大功率工作点(MPP)电压模型,改进了固定电压跟踪法.该方法实现简单,可以快速稳定地找到MPP,解决了光伏电池跟踪效率和跟踪控制精度难以兼得的矛盾.实验证明,光伏电池环境参数模型演算合理,改进的固定电压跟踪法能快速准确地跟踪MPP,避免了扰动观察法带来的MPP附近振荡问题.