论文部分内容阅读
随着社会的飞速发展，视频监控在人们的生活和工作中扮演着重要的角色。人们对于视频监控的智能化要求也越来越高，而运动目标的检测和跟踪就是智能视频监控中的重要内容。由于局部特征具有很好的稳定性，本文将重点研究基于局部特征的目标跟踪算法的研究和实现。在对经典局部特征提取算法研究之后，根据实际应用背景对其算法进行改进。然后融合目标检测算法、局部特征提取算法和特征匹配算法形成目标跟踪算法，最后在DSP硬件平台上实现跟踪算法并做优化。 本文首先研究了局部特征提取算法里边的两种经典算法—SIFT特征提取算法和SURF特征提取算法，对比了两种算法的实现步骤和实现效果，并且分析了SIFT特征和SURF特征在不同条件下的适应性。因为算法最终需要在硬件平台上实现，所以算法的时间效率要比较好。而SURF特征的提取速度明显更快，本文选择使用基于SURF的特征提取算法实现目标跟踪算法。 然后研究了SURF特征在目标跟踪中的应用，在实际应用中考虑到传统SURF算法对小尺度图片提取到的SURF特征点数目过少的问题，本文对传统的SURF算法进行了改进。改进后的SURF特征提取算法能够提取到足够多的特征点，并且改进后的SURF特征同样具有良好的适应性。再结合特征匹配算法以后得到了目标跟踪的仿真算法流程图，并且给出了仿真结果分析。 接着介绍了相关的硬件平台和软件框架设计。最后将算法移植到硬件平台上以后，主要考虑了两个因素：算法的正确性和实时性。由于仿真平台和实现平台的差异，必须要针对硬件平台对跟踪算法进行相应的验证和优化工作。算法优化是算法移植的很重要的一个环节，在本文中也花费了较多的时间。在完成代码优化以后，算法基本能够实现实时视频处理。经过算法准确性验证和代码优化以后，能够在硬件平台上完成稳定的运动目标跟踪算法。