视频跟踪算法在Davinci SoC上的实现与优化

本文提出了在最新的DavinciSoC DM6446上实现智能视频跟踪系统的方案。在模板匹配跟踪算法的基础上,多种改进算法来提高跟踪的精确性和鲁棒性。整个系统充分利用DavinciSoC上的ARM核和DSP核的强大处理能力。经过算法优化和编程优化,跟踪算法可以在DSP核上实时跟踪128×128像素的目标。同时,ARM核并行负责视频采集,显示,算法控制,网络传送等任务。测试结果表明,系统可以在目标形变、部分或全部遮挡、背景干扰等情况下也具有较好的性能。     

基于贝叶斯理论的分布式多视角目标跟踪算法

 为了有效解决传统单视角跟踪难于处理的目标遮挡问题,本文提出了一种分布式多视角目标跟踪算法. 该算法首先基于贝叶斯理论,为多视角目标跟踪问题建立了分布式数据融合的概率框架;并利用粒子滤波器对所需后验概率进行近似,提出了自适应的观测模型和状态转移模型. 各摄像机能够并行化地进行数据采集、处理、融合,而无需集中式处理单元;能够有效避免遮挡造成的误差传递,提高跟踪算法的鲁棒性. 实验证明了本文算法的有效性.     

基于OMAP软件无线电平台设计与实现

文章根据软件无线电的基本原理,使用OMAP3530处理器和FPGA,设计了一个新型的软件无线电平台,以满足高性能、低功耗和便携性的需求。     

基于OMAP3530平台的车道线识别检测的实现

引言本文采用ARM＋DSP双核架构的OMAP3530系列的处理器,道路图像处理部分由支持浮点运算的DSP核来完成,图像采集工作和系统的控制工作由ARM核来完成,这样的作业分配提高了系统的实时性、集成性和可靠性。车道线识别算法研究本文提出的车道线识别算法的流程如下图1所示,首先通过OV7670摄像头捕获道路图像,然后按照流程图中的步骤处理图像,最后得到清晰的车道标志线,为以后智能车辆路径规划和避障提供支持。     

基于OMAP3530的视频监控客户端设计与实现

本设计基于OMAP3530处理器的开发平台设计视频监控客户端。该客户端通过SIP协议和服务器端通信。视频监控客户端在OMAP3530开发板实现,其ARM端完成客户端呼叫,建立与视频服务器连接,音视频数据流接收、播放和存储等功能,其DSP端完成解码器实时实现。设计重点为客户端oRTP和eXosip库的移植、监控界面的设计和H.264解码器实时实现。     

智能视频监控系统中多视角目标跟踪研究与FPGA实现

为了提高智能视频监控(IVS)系统中运动目标跟踪的可靠性和实时性,提出一种分布式架构的高清多视角IVS系统。首先,前端FPGA模块与高清IP摄像机相连,用于收集视频并进行初级视频处理;然后,FPGA通过网络与后端GPU服务器相连,GPU服务器执行高级视频处理;最终实现目标在多摄像机间的连续跟踪。实验结果表明该系统运行稳定,能够在多视角下快速、准确地跟踪目标。     

基于特征子空间的自适应多视角目标跟踪算法

提出了一种新的自适应特征子空间跟踪算法,该算法通过计算跟踪目标的似然来自适应调整模型更新的权重,以减小更新过程中样本误差积累导致的模型漂移.同时,跟踪算法利用多视角贝叶斯理论框架进行多视角的信息融合,并对跟踪模型进行分块处理和更新,以提高跟踪精确度.仿真结果表明,本算法比对比算法的跟踪误差更小,并能够更好地解决目标遮挡和形变等问题,从而得到精确、高效的跟踪结果.     

在OMAP3530平台实现AVS解码器

详细讨论了OMAP架构的双核通信机制,分析了Codec Engine,DSPlink,CMEM等核心模块。然后实现了一种基于OMAP3530开发平台的AVS视频解码系统,实现了ARM处理器接收网络数据和显示图像,DSP处理器解码AVS码流。在Linux环境下将AVS视频解码器移植到3530开发板中,在分辨率D1下达到25 f/s(帧/秒)。     

基于OMAP3530的嵌入式人流关注方向检测系统

基于OMAP3530实现了人脸检测与方向推定系统.该系统通过USB摄像头采集人群图像,通过改进的Adaboost算法进行人脸检测,再通过SVR对人脸进行方向推定.所有的图像及计算结果可以通过网络传输到远程计算机.在远程计算机上实现了图形交互的控制界面,可以显示监测画面与推定结果.本系统还能实时解码播放标清的视频.经测试...     

AVS熵解码在OMAP3530上的实现及优化

结合DSP硬件结构,首先对指数哥伦布码算法的实现进行结构上的调整,其次对熵解码部分的手工汇编实现高效的流水编排,最后结合熵解码数据的存储访问对cache进行优化。仿真结果与传统的C语言相比,程序运行周期降低了约21.49%,码率也显著提高。     

多摄像机环境下的目标跟踪

在多摄像机智能视频监控系统中,主要的难点是在多个摄像机之间对相同的目标建立正确的对应关系,即目标交接.利用目标离开视野域的时间和空间作为约束条件,结合模板匹配的方法,对没有视野重叠域的多摄像机监控下的目标进行连续跟踪.避免视野域内将所有目标进行匹配,提高了交接的实时性和准确率.     

视频运动目标检测及跟踪算法测试平台设计与实现

给出了平台构架、设计思路与实现方法,对七个核心算法模块进行了详细说明,给出了采用VC++6.0实现时的主要程序段及技术关键点.提供了一种高速路交通车辆检测和跟踪实例,提供了实例算法结构图、性能参数和实际测试效果.试验结果表明,所提平台具有良好的实时性和有效性.     

基于USB2.0摄像头的目标跟踪平台实现

提出了一种基于USB2.0摄像头的目标跟踪平台结构.该平台以微软VX-6000 USB2.0摄像头为图像传感器,由PC机采集图像序列、识别和跟踪目标物,并通过并口控制云台完成跟踪动作.文章阐述了该平台的系统结构;基于Windows平台开发的多线程图像序列处理和云台控制软件.实验结果表明,该系统处理速度为17 f/s,对特定目标物的跟踪能满足一定实时性要求.该系统为研究目标识别、目标跟踪算法提供了有效的验证平台,并且能够方便地移植和应用到各个相关领域.     

抑制模板漂移的目标跟踪算法

 本文提出了一种解决目标跟踪中模板漂移现象的新算法.模板漂移现象指的是,由于不断进行模板更新,目标会逐渐移出模板,而背景物体则逐渐占据整个模板.本文为了解决这个问题,提出了一组能够精确描述模板漂移对于模板更新滤波器的影响的表达式,以使得考虑了模板漂移影响后的模板更新滤波器能够在空间及时间上自适应地实现及时更新目标外观与避免模板漂移之间的近似最优平衡.大量的包含不同目标外观变化类型的实景视频流的实验结果证实了本文算法的有效性.     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

分布式粒子滤波算法在面向跟踪的无线传感器网络中的应用

无线传感器网络在目标跟踪应用中的优势主要体现在跟踪更精细可靠且及时隐蔽,但是由于传感器网络中没有中心控制机制,无线通信的带宽有限,这就要求采用合理的跟踪策略,高效的分布式信息处理算法。将“ad hoc跟踪群”的概念移植到面向跟踪的无线传感器网络中作为传感器的组织策略,并和适用范围较大的粒子滤波相结合实现跟踪任务。仿真实验证明,在不影响跟踪精度要求的情况下,此方案能够降低通信能量开销。