基于DSP的运动目标跟踪系统

描述了一种以TMS320C6701数字信号处理器为核心的高速图像处理板和图像实时采集卡及摄像头构成的实时运动跟踪系统。在对采集的实时图像序列进行如十预处理后．采用了金字塔结构的图像存储方式和特征点跟踪算法埘运动目标进行跟踪．通过对特征点的运算得到目标运动的偏差怍为摄像头运动的参数，是后根据这些参数控制摄像云台持续跟踪运动目标的移动，最后还给出了在复杂背景下跟踪人体的实验结果。     

针对CAN总线传输距离问题的两种解决方案

简单介绍了CAN总线的来源、现状及存在的问题;针对CAN总线传输距离存在的问题提出了两个解决方案,并进行了实验和比较,试验结果证明本文的方法提高了传输距离的可靠性。     

基于肤色检测的小区域特征点跟踪

针对跟踪系统中实时性和鲁棒性的要求,提出了一种基于肤色检测、自动筛选小区域搜寻特征点的快速跟踪方法。首先利用对彩色图像进行肤色检测,筛选出包含肤色的小区域,然后根据比例参数确定小区域的范围,计算小区域中特征点的质心与肤色检测区域中心构成反馈来实现跟踪。实验结果证明该方法可以很好地解决实时跟踪问题,并在出现肤色混淆的情况下也有相当好的鲁棒性。     

标准粒子群优化算法的马尔科夫链分析

根据粒子群优化（Particle swarm optimization, PSO)算法的差分模型定义粒子状态序列和群体状态序列, 并分析其马尔科夫性质, 证明了粒子及种群的最优状态集的封闭性, 以及计算粒子一步转移概率; 进一步基于全概率公式和马氏链的性质, 推导了群体状态转到最优状态集的转移概率; 根据该转移概率, 对PSO算法的惯性权重ω和加速度因子c进行了讨论和解释, 研究了算法早熟收敛和发散等问题, 最后分析表明标准PSO算法以一定概率收敛到全局最优.