算力限制平台下的长时目标跟踪

为了满足某些算力受到限制的应用场景的长时跟踪需求,如以C64x+DSP为核心的嵌入式系统,提出了一种由连续跟踪环节与目标检测环节两部分构成的低时间复杂度长时跟踪算法,连续跟踪环节基于自适应更新的时空上下文算法(STC),目标检测环节使用归一化互相关匹配算法。在没有目标出视场、目标快速移动等特殊跟踪场景时,连续跟踪环节输出跟踪结果,在跟踪失败后,目标检测环节对全幅图像进行处理,只要目标出现在图像中,便可以重新锁定目标。经实验验证,目标检测环节可以在目标出现后准确检测到目标,满足了长时跟踪的要求。同时,目标检测环节在跟踪不可靠时的辅助定位也提升了连续跟踪环节的鲁棒性,使用OTB2013数据集测试,本算法的精确度较STC算法提升了4.95%。

基于嵌入式平台的低时间复杂度目标跟踪算法

针对嵌入式平台往往算力受限的应用背景,提出了一种低时间复杂度的、适用于复杂场景的目标跟踪算法——CTSTC算法。算法由自适应更新的时空上下文目标跟踪环节和自适应更新的压缩感知目标辅助定位环节两部分构成,当时空上下文跟踪结果不可靠时,启动压缩感知目标辅助定位环节,如果辅助定位后的结果可靠,则采用辅助定位结果校正时空上下文跟踪环节。算法运行速度与时空上下文算法(STC)接近,I5CPU下测试可达每秒1577帧,远高于其他常用算法,是一种运算速度极高的目标跟踪算法,但算法在复杂环境下的鲁棒性却有所提升。使用OTB2013数据集进行测试,较STC算法,CTSTC精度提升12.8%,成功率提升27.5%。算法在以DM6437为核心的小型目标跟踪系统上进行测试,可以实现实时稳定跟踪。

压缩域目标跟踪算法在小型化DSP平台上的研究与实现

本文对基于压缩感知的压缩域目标跟踪算法进行了研究,为满足特定的应用场合要求,针对原算法的不足进行了改进,同时基于小型化低成本目标位置探测器设计思想及需求,设计并实现了以TMS320DM6437数字信号处理器为核心的实时图像跟踪处理平台,对算法在该DSP平台进行了实现与优化。仿真和实验结果表明,经过结合卡尔曼滤波器、融合LBP特征以及添加自适应学习速率更新策略等措施,算法的鲁棒性得到提高;对算法在DSP中的实现,经过一系列优化措施,对分辨率为960×960的视频图像,当取目标窗口为80×80时,处理速度可达25 f/s,能够满足实时性跟踪要求。系统能够对选定的运动目标进行连续、稳定地跟踪,能够满足特定应用场合下的目标位置探测与跟踪需求,具有一定的实用性,同时也对该类目标跟踪方法在嵌入式平台的研究与应用具有一定的参考价值。