论文部分内容阅读
在目标跟踪过程中，背景复杂多变；目标发生变形、旋转、尺度变化及灰度变化；目标被遮挡等因素，都会不同程度的影响目标跟踪的稳定性。由于任何跟踪算法对复杂场景下目标跟踪的适应性都是有限，采用单一算法对复杂场景下的目标进行跟踪，容易导致跟踪失败。因此，充分发挥各种跟踪算法的优点，采用多个算法融合，才能有效的提高跟踪系统适应复杂场景的能力。
针对复杂场景下的目标稳定跟踪，深入研究了复杂场景下目标跟踪算法、多算法融合方法，多DSP并行处理平台、多算法融合实现等四个主要内容，取得了阶段性结果。主要研究内容和结果如下：
(1)分析了复杂场景下影响目标跟踪稳定性的因素，了解了复杂场景下目标跟踪基础理论，阐述了提高系统跟踪稳定性的途径。
(2)针对变形目标的分割及跟踪，分析了基于传统水平集方法和M-S分割模型的局限性，提出了改进的分割模型，实现对边缘模糊的目标的分割：分别采用改进的分割模型和Snake模型实现对变形目标的跟踪。
(3)采用背景直方图加权的方法，改进了传统的均值平移算法，使得该算法对遮挡及目标尺度变化具有良好的适应性。
(4)针对多算法融合中建立决策判据的难题，采用贝叶斯网络建立多算法融合模型，实现多算法融合跟踪的智能决策。
(5)根据多算法融合实时跟踪需求，为满足目标跟踪系统中多通道数据处理、多传感器融合技术、复杂算法工程化的要求，研制了基于共享总线结构、CPCI架构的多DSP的并行处理系统。
(6)在分析各种目标跟踪算法的适应性及可用资源的基础上，优选多种跟踪算法进行融合。合理划分FPGA和DSP的功能，在并行处理平台上实施多算法融合，实现了对复杂场景下目标的稳定跟踪。
论文的最后，总结了本文的主要工作，并指出了存在的问题及进一步研究的方向。