【正文】 13 光流約束方程....................................................................................................... 14 HornSchunck 算法 ................................................................................................ 15 LucusKanade 算法 ............................................................................................. 17 Negal 算法 ............................................................................................................. 18 光流法的實現(xiàn)....................................................................................................... 19 幀差法............................................................................................................................. 20 背景差分法..................................................................................................................... 21 多幀平均法........................................................................................................... 22 混合高斯模型法................................................................................................... 23 Surendra 算法 ........................................................................................................ 27 碼本算法............................................................................................................... 29 本文采用的目標檢測算法............................................................................................. 31第 4 章 運動目標跟蹤........................................................ 34 KALMAN 濾波跟蹤 ....................................................................................................... 35 KALMAN 濾波原理 ............................................................................................. 35 KALMAN 實現(xiàn)過程 .......................................................................................... 37 粒子濾波算法................................................................................................................. 38 粒子濾波原理....................................................................................................... 39 粒子濾波預(yù)測實現(xiàn)............................................................................................... 40 CamShift 算法 .................................................................................................................. 43 HSV 顏色空間 ....................................................................................................... 43 MeanShift 算法 ...................................................................................................... 44IV目錄 CamShift 算法 ........................................................................................................ 44 CamShift 算法的實現(xiàn)............................................................................................ 45 本文采用的跟蹤算法..................................................................................................... 48 遮擋的檢測........................................................................................................... 48 無遮擋的跟蹤 ....................................................................................................... 49 有遮擋的跟蹤....................................................................................................... 51 本章小結(jié)......................................................................................................................... 53第 5 章 結(jié)論與展望.......................................................... 55 本文結(jié)論......................................................................................................................... 55 工作展望......................................................................................................................... 56參考文獻................................................................... 57致謝..................................................................... 59V汕頭大學(xué)工學(xué)院 2012 屆碩士學(xué)位論文第 1 章 緒論 引言目前，隨著我國平安城市、平安奧運、平安世博會等概念的深入推廣，數(shù)字視頻監(jiān)控技術(shù)已經(jīng)深入商業(yè)、工業(yè)、環(huán)境、家居等領(lǐng)域?；谝曨l序列圖像的運動目標的研究，顧名思義，就是在連續(xù)的視頻序列圖像中進行運動目標檢測，然后對提取出的運動目標進行跟蹤和識別，并對其行為進行行為理解和行為描述。運動目標的檢測與跟蹤，作為計算機視覺的一個分支，就是對視頻序列中的運動目標，如人或車輛等進行實時的觀測，對在此基礎(chǔ)上進行運動目標的跟蹤，描繪目標運動的軌跡并對物體進行分類等。盡管，國內(nèi)外進行了大量的學(xué)術(shù)和技術(shù)方面的研究。但是每種算法都存在自己的優(yōu)勢和缺陷，而且都只能針對某種特定的環(huán)境才能夠產(chǎn)生較好的檢測、跟蹤的效果。最后，就是具體的實現(xiàn)工作了，準備在以三星的 S3C6410 為主芯片的開發(fā)板上進行具體的實現(xiàn)工作，開發(fā)板上跑 操作系統(tǒng)。這里我們采用Intel 的 OpenCV(Open Source Computer Vision Library),OpenCV 是 Intel1999 年開始建立的，基于 BSD 許可證授權(quán)（開源）發(fā)型的跨平臺計算機數(shù)據(jù)庫，具有很好的跨平臺性，可以運行在 Linxu、 Window 和 MAC OS 等操作系統(tǒng)上，這個庫主要由 C 函數(shù)構(gòu)成，其中包含了少量的 C++組成，是一個輕量級但是十分高效的計算機圖像庫，實現(xiàn)了數(shù)字圖像處理和計算機視覺方面的大部分算法。開發(fā)環(huán)境是進行算法實現(xiàn)和仿真的基本要求。隨著嵌入式系統(tǒng)的發(fā)展，一方面主芯片的主頻越來越高，處理一些復(fù)雜算法的實時性越來越好；另一方面更多實時性好、穩(wěn)定可靠的操作系統(tǒng)的出現(xiàn)，在嵌入式設(shè)備上面都可以很好的運行，嵌入式設(shè)備逐漸成為工業(yè)、民用、軍用等各方面青睞的實現(xiàn)系統(tǒng)。從而極大地提高了對視頻的編碼效率，也極大提高了產(chǎn)品的實時性能。6汕頭大學(xué)工學(xué)院 2012 屆碩士學(xué)位論文 軟件平臺的介紹硬件平臺使用以三星的 S3C6410 為主芯片的 ARM 平臺。Linux 很早就開始了對該架構(gòu)處理器芯片的支持，使得 linux 的發(fā)展邁出了很大的一步，linux 的使用量得到了一次更大的突破。這是由于 linux 是個開源的系統(tǒng)，用戶可以自己獲得源碼，根據(jù)自己的需求選擇編譯；另一方面，GUN 許可協(xié)議允許任何人去修改和重新再發(fā)布軟件。⑥眾多硬件的支持。Linux 系統(tǒng)定義了 IIC 驅(qū)動體系結(jié)構(gòu)，在 Linux 系統(tǒng)中，IIC 驅(qū)動由 3 部分組成，即 IIC核心、IIC 總線驅(qū)動和 IIC 設(shè)備驅(qū)動。saa7113_i2c_driver)。Opencv 是基于 Intel 的 X86 架構(gòu)開發(fā)的，這里我們要在 ARM 上運行該軟件，必須進行移植，我們從 opencv 的官網(wǎng)上獲取 的源碼進行移植和重新編譯，以便能在我們的開發(fā)板上運行。12汕頭大學(xué)工學(xué)院 2012 屆碩士學(xué)位論文第 3 章 運動目標檢測近年來，隨著圖像相關(guān)理論和技術(shù)的發(fā)展，關(guān)于圖像方面的應(yīng)用也大批的涌現(xiàn)。雖然目標檢測被人們長時間長投入的研究，但是仍然存在著很多難點等著人們?nèi)スタ恕．斍瓣P(guān)于光流算法的有2 個主要的研究方向：①研究在硬件系統(tǒng)平臺或芯片內(nèi)部實現(xiàn)現(xiàn)有的光流算法，②研究新的光流算法。I182。I182。I182。很多專家學(xué)者致力于這個方面的研究，很多相應(yīng)的算法也被提出來。 (I xu + I y v + I t ) 2 dxdy這里要求運動場既要滿足光流約束方程又滿足全局平滑性，則有：min 242。 LucusKanade 算法LucusKanade 提出了一個局部的約束條件，做了這樣的一個假設(shè)，認為以 p 點為中心的一個鄰域內(nèi)的各點的光流是相同的，然后對這個鄰域內(nèi)的不同點給予不同的權(quán)重，這樣的話對于光流的計算就轉(zhuǎn)化為最小化方程（36）：229。LK 算法堪稱為一次飛躍，不僅在算法精度上提高很多，而且提高了運算速度，對于系統(tǒng)的實時