改进的CT算法及其在Zedboard硬件平台上的实现

发布时间：2022-09-30 17:12

　　运动目标跟踪是计算机视觉领域十分重要的研究方向,在社会生活的方方面面应用广泛。压缩感知跟踪算法（CT）是运动目标跟踪领域十分经典的算法,该算法应用压缩感知理论,改进了特征提取的方式,提高了算法时效性。随着Arm、FPGA、Zedboard等嵌入式硬件开发平台的发展,软件的嵌入式开发已经深入算法研究领域。Zedboard是Xilinx Zynq系列的可编程SoC（片上系统）芯片,由双核的ARM cortex-A9处理器与FPGA构成,是目前目标跟踪领域进行嵌入式开发首选的硬件平台。本文工作主要分为三个部分:第一部分,深入分析现有CT算法,发现CT算法设计上存在的两点不足:对候选目标样本的选取,采取的依然是逐像素选取策略;测量矩阵不能够根据跟踪目标不同进行自适应调整。对Zedboard平台上嵌入式Ubuntu操作系统搭建、串口监视器搭建和交叉编译器搭建进行了介绍,阐述了Zedboard平台上进行嵌入式开发的基本原理和操作。第二部分,针对CT算法存在的不足,本文提出使用自适应测量矩阵和粒子群优化方法（PSO）对CT算法进行改进。自适应测量矩阵通过对测量向量降维提高算法时效性;粒子群优化方法通... 

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 背景及意义
    1.2 国内外研究现状
    1.3 目标跟踪算法的分类
    1.4 目标跟踪算法存在的挑战
    1.5 论文主要创新和内容
        1.5.1 论文主要创新和内容
        1.5.2 论文各章节安排
第二章 CT算法分析与Zedboard平台搭建
    2.1 CT算法原理
        2.1.1 特征提取的优化
        2.1.2 贝叶斯分类器
    2.2 CT算法流程与不足
        2.2.1 CT算法初始化流程
        2.2.2 CT算法主循环流程
        2.2.3 CT算法存在的不足
    2.3 Zedboard简介
    2.4 Zedboard平台搭建
        2.4.1 嵌入式Ubuntu操作系统搭建
        2.4.2 串口监视器TeraTerm搭建
        2.4.3 交叉编译器搭建
    2.5 本章小结
第三章 基于自适应测量矩阵与PSO改进的CT算法
    3.1 APCT算法概述
    3.2 自适应测量矩阵
        3.2.1 自适应测量矩阵降维原理
        3.2.2 自适应测量矩阵设计与实现
    3.3 粒子群优化算法
        3.3.1 粒子群优化算法公式
        3.3.2 粒子群优化算法解析
        3.3.3 粒子群优化算法实现
    3.4 实验结果与分析
        3.4.1 实验策略
        3.4.2 实验准备
        3.4.3 质量评估
        3.4.4 视觉评估
    3.5 本章小结
第四章 APCT算法基于Zedboard平台的实现
    4.1 库的编译与移植
        4.1.1 ffmpeg库编译与移植
        4.1.2 Opencv库编译与移植
        4.1.3 Qt库编译与移植
    4.2 算法设计
        4.2.1 Qt与算法嵌入式Zedboard平台实现的关系
        4.2.2 算法设计实现
    4.3 平台实现
        4.3.1 操作流程
        4.3.2 结果显示
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 展望
参考文献
致谢


【参考文献】：
期刊论文
[1]一种应用于交通环境中的运动车辆跟踪方法[J]. 甘玲,潘小雷.  重庆邮电大学学报(自然科学版). 2013(03)
[2]基于压缩感知的图像自适应编码算法[J]. 张淑芳,李凯,徐江涛,瞿广财.  天津大学学报. 2012(04)

博士论文
[1]复杂场景下高效视频目标跟踪关键技术研究[D]. 高赟.云南大学 2014

硕士论文
[1]智能视频监控系统中运动目标跟踪算法研究[D]. 李杰.云南大学 2016



本文编号：3683946