【正文】 I0,300)。 原圖像直方圖顯示 T1=50。T2=200。 觀察并找出閾值 for i=1:200 Length=100。 場地空間，單位：米 Width=100。 場地空間，單位：米 dfunction main =50。 目標離觀測站50米以內都能探測到，反之則不能 Node_number=6。 觀測站的個數(shù) for i=1:Node_number 觀測站的位置初始化，這里位置是隨機給定的 Node(i).x=Width*rand。 Node(i).y=Length*rand。 =Width*rand。 =Length*rand。觀測站探測目標 X=[]。 for i=1:Node_number if DIST(Node(i),Target)=d X=[X。Node(i).x,Node(i).y]。 end end N=size(X,1)。 探測到目標的觀測站個數(shù) =sum(X(:,1))/N。 目標估計位置x =sum(X(:,2))/N。 目標估計位置y Error_Dist=DIST(Est_Target,Target) 目標真實位置與估計位置的偏差距離 hold on。box on。axis([0 100 0 100])。 輸出圖形的框架 for i=1:Node_number h1=plot(Node(i).x,Node(i).y,39。ko39。,39。MarkerFace39。,39。g39。,39。MarkerSize39。,10)。 text(Node(i).x+2,Node(i).y,[39。Node 39。,num2str(i)])。 end h2=plot(,39。k^39。,39。MarkerFace39。,39。b39。,39。MarkerSize39。,10)。 h3=plot(,39。ks39。,39。MarkerFace39。,39。r39。,39。MarkerSize39。,10)。 line([,],[,],39。Color39。,39。k39。)。 circle(,d)。 legend([h1,h2,h3],39。Observation Station39。,39。Target Postion39。,39。Estimate Postion39。)。 xlabel([39。error=39。,num2str(Error_Dist)]) I=read_seqim(i)。 M=double(I)。 for m=1:272 for n=1:512 if (M(m,n)=T1)amp。amp。(M(m,n)=T2) M(m,n)=1。 設置背景灰度 else M(m,n)=0。 設置目標灰度 end end End圖像的分割和閾值處理 X=0。Y=0。X1=0。Y1=0。PINJUN=0。PINJUN1=0。 for m=1:272 for n=1:512 x=m*M(m,n)。 y=n*M(m,n)。 pinjun=M(m,n)。 X=X+x。Y=Y+y。PINJUN=PINJUN+pinjun。 end X1=X1+X。 Y1=Y1+Y。 PINJUN1=PINJUN1+PINJUN。 end Xmean=X1/PINJUN1。 Ymean=Y1/PINJUN1。 Xmean=(Xmean*100mod(Xmean*100,100))/100。 Ymean=(Ymean*100mod(Ymean*100,100))100。End跟蹤誤差結果分析圖示41圖41跟蹤誤差分析圖小結：由誤差分析圖可看出，均值漂移也即MeanShift算法對實際值和理論值之間的誤差會產生減小的作用，中間部分的誤差出現(xiàn)波動，隨著時間的推移，誤差的大小趨于穩(wěn)定，通過將改進后的MeanShift算法與子模板更新策略相結合的方法，提高了算法的魯棒性。實際上，開發(fā)真正的視頻目標跟蹤軟件及硬件系統(tǒng)的工作是必要的，具有重要的現(xiàn)實意義，這方面的研究工作將大大促進目標跟蹤技術從理論研究到實際工程應用的轉化。第5章 結論智能環(huán)境的問題是近年來的熱點問題之一，本文首先對智能環(huán)境進行了設計，構造出可以讓智能輪椅在運動中被實時監(jiān)控到的實驗室環(huán)境。傳感器的安裝即數(shù)量也是課題的一大重點。其次，對于DSP的設計也是能夠實現(xiàn)跟蹤的重中之重，包括用protel99對DSP2812的最小系統(tǒng)的電氣原理圖的繪制即DSP某些關鍵技術。運動目標跟蹤算法的選擇將直接影響著運動目標跟蹤過程的實時性和魯棒性，因此對運動目標跟蹤理論的研究己經進行了許多年，怎么增強跟蹤過程中的實時性和魯棒性，仍然是計算機視覺領域的熱點研究問題。由于運動中的目標被其它物體遮擋的問題、光線及場景變化以及實時性的要求等，使得對運動目標進行實時檢測與跟蹤變得更加困難。本文在傳統(tǒng)MeanShift算法的基礎上提出了對它的改進方法，通過計算跟蹤目標區(qū)域內每個顏色的質心位置來確定候選目標模板中心點的位置。比起傳統(tǒng)Meanshif算法而言，改進后的MeanShift算法包含了顏色分布的空間信息，很大的改進了傳統(tǒng)MeanShift算法中沒有像素點所在空間位置信息的缺乏，通過子模板更新策略有效解決了使用單一固定目標模板時可能引起的跟蹤偏離真實目標的情況。并將改進后MeanShift算法與子模板更新策略相結合，進一步提高了跟蹤過程的魯棒性和實時性。最后成功的設計出硬件和軟件的步驟，使得課題成功的進行。參考文獻[1] T. Shivappa,M. Trivedi, D. Rao. Audio visual Information Fusion In Human Computer Interfacesand Intelligent Envieronments: Asurvey[J]IEEE Proceedings, 2011,98(10):16801691.[2] Maximo Cobos, Jose J. Lopez, David Martinez Twomicrophone multispeal localization basedOn a Laplacian Mixture Model [J].Digital Signal Processin 2011,21(1):6676.[3] Jie Cao,Jingrun Zheng ,Multiperson Traction Based on video Information Fusio2011 International Conference on Sport Material, Modelling and Simulation ICSMMS 2011,Advance Materials ,2011,187(13):452457[4]李昕，基于音頻視頻信息融合的人物跟蹤及其應用[D]。北京：清華大學，2009 [5]曹潔，魏建勇，劉宗禮等，（1）：7680李昕，基于音頻視頻信息融合的人物跟蹤及其應用[D]。北京：清華大學，2009 [6]，M. Vicente, Claudio et. Voice activity detection and speaker localization using audiovisual cues [J] Pattern Recognition Letters 2012,33(4):373380[7]徐興,王衛(wèi)星,岳學軍．基于FPGA的可重構無線傳感器網絡節(jié)點設計[A]．科學技術與工程，2010，06．[8]佟吉鋼，張振新，陳增強等．基于FPGA的無線傳感器網絡節(jié)點設計[A]．傳感技術學報,2009，03．[9]潘峰，秦麗，孟令軍．具有聲定位功能的無線傳感器網絡節(jié)點設計[A].計算機工程，2008[10]李文，夏秀渝，[J].四川大學學報（自然科學版），2008,45（2）：307310[11]戴日輝，韓光照．ZigBee協(xié)議的研究及無線傳感器的節(jié)點設計[A]科學論壇1009914X．[12]王汝傳，孫力娟等．無線傳感器網絡技術及其應用[M]．北京：人民郵電出版社，2011。[13]居太亮，彭啟宗，邵懷宗等。基于任意麥克風陣列的聲源二維DOA估計算法研究[J].通信學報，2005，26（8）：129133[14]曹廣華,趙子濱,張曉川,劉雅姑．功能模塊分離的無線傳感器網絡節(jié)點設計[A]．信息與電子工程，2012，08．[15] ,. Tracking on multiple moving speaker with muliple microphone arrays[J]. IEEE Trans. Speech Audio Process, 2009,12(15):13591362[16],. A twostage algorithm for determing talker location from linear microphone arrays data. Computer Speech and language, 1992,6:129152[17] high accuracy low latency technique for talker localization in Reverberant environments[D].Ph D Dissertation，Brown University，Providence RI,USA,200O[18]袁弟．聲傳感器在室內設計中的應用[A]．科技資訊，2006,11．[19]侯志國，何強，羅曉松．聲探測多傳感器多目標定位與跟蹤方法[A]．電聲基礎，2010,09．[20]李方慧, 王飛, 何佩琨等. TMS320F2812系列DSP原理與應用。北京電子工業(yè)出版社,2005[21]尹勇, 歐光軍, 關榮鋒. DSP集成開發(fā)環(huán)境CCS開發(fā)指南. 北京: 北京航空航天大學出版社, 2004[22]P. A. Beardsley, I. D. Reid, A. Zisserman, ,Activevisual navigationusingnonmetricstructure [A]. Conference on Computer Vision [C], Boston. 1995,pp5845,IEEE Computer Society Press.[23][J].CVGIPImageUnderstanding, 1992, (1):108129.[24]A. J. Davison. Mobilerobot navigationusingactive vision[D].Department of Engineering Science, UniversityofOxford, 1998.[25]邱寄帆, 王海春. 基于分布式控制系統(tǒng)的輪式智能機器人研究[J]微計算機信息, 2006, 22(42): 180182.[26] [西安電子科技大學博士學位論文].西安,西安電子科技大學,2009[27]許辰銘. 視頻圖像中的運動目標檢測與跟蹤[碩士論文].南京:[28]佟吉鋼，張振新，陳增強等．基于FPGA的無線傳感器網絡節(jié)點設計[A]．傳感技術學報,2009，03．[29] 原魁, 謅偉. 機器人編程技術基于行為的機器人實戰(zhàn)指南[M]. 北京: 機械工業(yè)出版社, 2006.[30] [博士論文].合肥:[31]杜曉斌,陳興文. FPGA和單片機串行通信接口的實現(xiàn)[J]微計算機信息, 2004, (09)[32](API)[33]KanekoT,HoriO.Templateupdatecriterionfortemplatematchingofimagesequences[C].ProceedingsofIEEEInternationalConferenceonPatternRecognition,2002:15[34][J ].光電工程2005 32(1) 4346.[35] ++60的目標識別和跟蹤算法驗證系統(tǒng)[J ].計算機應用與軟件2004 21[36]COLLINS R LIPTION A KANADE T et system forvideo surveillance and monitoring, VSAM final reportCarnegie Mellon University Technical Report CMURITR0012 2000.[37]SIKORA MPEG4 video standard verification Transactions on Circuits and Systems for Video Technology