基于DSP的运动目标实时检测与跟踪研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 检测的国内外研究方法 | 第12-14页 |
| 1.2.2 跟踪的国内外研究方法 | 第14-15页 |
| 1.2.3 运动目标检测与跟踪存在的问题 | 第15页 |
| 1.2.4 DSP发展 | 第15-16页 |
| 1.3 论文的主要内容和结构 | 第16-19页 |
| 1.3.1 论文主要研究内容 | 第16-17页 |
| 1.3.2 论文结构安排 | 第17-19页 |
| 第2章 动态背景下的运动目标检测 | 第19-37页 |
| 2.1 引言 | 第19页 |
| 2.2 背景全局运动补偿 | 第19-30页 |
| 2.2.1 运动参数模型的确定 | 第19-20页 |
| 2.2.2 运动参数求取方法的确定 | 第20页 |
| 2.2.3 改进的Harris角点检测算法 | 第20-22页 |
| 2.2.4 特征点的提取和匹配结果 | 第22-29页 |
| 2.2.5 运动背景补偿 | 第29-30页 |
| 2.3 运动目标检测 | 第30-34页 |
| 2.3.1 检测方法概述 | 第30-31页 |
| 2.3.2 背景差分法 | 第31页 |
| 2.3.3 动态背景建模与更新 | 第31-32页 |
| 2.3.4 目标检测结果与分析 | 第32-34页 |
| 2.4 本章小结 | 第34-37页 |
| 第3章 运动目标的跟踪 | 第37-51页 |
| 3.1 引言 | 第37页 |
| 3.2 运动目标跟踪方法 | 第37-38页 |
| 3.3 粒子滤波算法 | 第38-44页 |
| 3.3.1 贝叶斯滤波原理 | 第39-40页 |
| 3.3.2 蒙特卡罗采样 | 第40-41页 |
| 3.3.3 贝叶斯重要性采样 | 第41-43页 |
| 3.3.4 序贯重要性采样 | 第43-44页 |
| 3.3.5 退化问题与重采样 | 第44页 |
| 3.4 基于粒子滤波算法的目标跟踪 | 第44-50页 |
| 3.4.1 确定状态变量及状态转移模型 | 第45页 |
| 3.4.2 建立目标模型 | 第45-47页 |
| 3.4.3 基于特征融合的粒子权值更新 | 第47-48页 |
| 3.4.4 目标定位与粒子重采样 | 第48页 |
| 3.4.5 目标模板更新 | 第48-49页 |
| 3.4.6 粒子滤波概述 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于DSP的运动目标检测与跟踪算法实现 | 第51-71页 |
| 4.1 引言 | 第51页 |
| 4.2 硬件平台与开发环境 | 第51-56页 |
| 4.2.1 评估板及仿真器 | 第52-54页 |
| 4.2.2 软件开发环境 | 第54-56页 |
| 4.3 运动目标检测与跟踪软件设计 | 第56-66页 |
| 4.3.1 DSP/BIOS配置文件 | 第56-58页 |
| 4.3.2 程序任务模块 | 第58页 |
| 4.3.3 DM642芯片视频驱动程序设计 | 第58-62页 |
| 4.3.4 视频实时采集与显示 | 第62-64页 |
| 4.3.5 基于RF5的检测与跟踪算法 | 第64-65页 |
| 4.3.6 算法优化与实时性分析 | 第65-66页 |
| 4.4 实验与结果分析 | 第66-70页 |
| 4.4.1 粒子滤波实验 | 第66-68页 |
| 4.4.2 辅助粒子滤波实验 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
