基于多DSP和FPGA的實時雙模視頻跟蹤裝置設(shè)計
加入技術(shù)交流群
2.2視頻跟蹤裝置運(yùn)動控制模塊的硬件組成
運(yùn)動控制模塊硬件由GPT轉(zhuǎn)臺構(gòu)成。GPT系列轉(zhuǎn)臺為模擬火炮或雷達(dá)跟蹤系統(tǒng)的旋轉(zhuǎn)運(yùn)動系統(tǒng)，它包含電控箱、兩維數(shù)控轉(zhuǎn)臺本體及運(yùn)動控制器三大部分。轉(zhuǎn)臺本體主要由機(jī)械結(jié)構(gòu)件（含PAN和TILT）、驅(qū)動用交流伺服電機(jī)（兩套）、諧波減速器、斜齒輪、限位開關(guān)等部分組成。電控箱內(nèi)安裝有交流伺服驅(qū)動器、I/O接口板、開關(guān)電源、開關(guān)、指示燈和電氣元件等主要部件。運(yùn)動控制器主要由GT-400-SV運(yùn)動控制卡、GM-400-SV運(yùn)動控制卡用戶接口軟件等部分組成。作為機(jī)電控制系統(tǒng)的核心組成部分，GPT轉(zhuǎn)臺可用作監(jiān)控設(shè)備的基礎(chǔ)運(yùn)動平臺，又可作為研制火箭、導(dǎo)彈、魚雷和衛(wèi)星等高科技尖端武器的仿真和試驗平臺。該系統(tǒng)可實現(xiàn)：定位精度：±0.0069°；重復(fù)精度：±0.00056°；速度：0.01～90°/sec；加速度：90°/sec2；行程：Pan方向為±176°；Tilt方向為-15°～+50°；負(fù)載：30kg。
3、視頻跟蹤裝置算法的分析
本文引用地址：http://2s4d.com/article/151643.htm按照處理順序，我們將整個過程分解為圖2所示。圖像采集模塊：對視頻圖像進(jìn)行A/D轉(zhuǎn)換，形成原始的256級灰度圖像，作為待處理的圖像信息。背景差分模塊：重建背景，并完成與當(dāng)前幀的差分。在背景重建時采用基于最小二乘法的時域遞推公式來完成，這個方法只需要一幀圖像的存儲，而且可以用遞推實現(xiàn)。去噪聲模塊:做應(yīng)用鄰域平均法實現(xiàn)圖像平滑濾波，以及采用顏色濾波法去除陰影等工作。以上算法都是針對FPGA的特點提出的，將FPGA設(shè)計成專用運(yùn)算器并實現(xiàn)算法。
形心跟蹤模塊和相關(guān)跟蹤模塊分別使用的形心投影方法和二維最小絕對差累加和算法計算目標(biāo)的位置，融合決策模塊實現(xiàn)置信度選擇，同時對目標(biāo)信號進(jìn)行擬合和軌跡外推，實現(xiàn)目標(biāo)在偶然丟失下的預(yù)測跟蹤，以及深度丟失下的跟蹤狀態(tài)轉(zhuǎn)換和搜索狀態(tài)下控制二維轉(zhuǎn)臺對視場的慢速掃搜。這部分針對DSP的特點，采用C語言編程實現(xiàn)。
3.1主要算法特點分析
?。?）背景差分法算法
背景差分是利用當(dāng)前圖像與背景圖像差分來檢測出運(yùn)動區(qū)域的一種技術(shù)，一般能提供最完全的特征數(shù)據(jù)，但對于動態(tài)場景的變化，如光照等事件的干擾特別敏感?？紤]到攝像機(jī)移動緩慢，背景圖像變化比較遲緩，而運(yùn)動對象相對于背景變化較快，這樣相對于變化較慢的背景圖像來說，可把運(yùn)動對象看作是一個對背景圖像的隨機(jī)擾動。針對本裝置的設(shè)計要求，我們應(yīng)用Kalman濾波器在零均值白噪聲的退化公式即漸消記憶遞歸最小二乘法，來更新和重建背景圖像，得到時域漸消遞歸最小二乘法的遞歸式：
（2）顏色濾波去陰影算法
如果圖像中具有運(yùn)動陰影和分割碎塊，分割所得的圖像往往與實際目標(biāo)不符，產(chǎn)生欠分割或過分割的現(xiàn)象。由于陰影象素的灰度值在一個局部領(lǐng)域中變化不是很大，所以顏色濾波主要是構(gòu)造一個包含陰影的模板，再用這個模板與差分結(jié)果做邏輯與的操作，從而檢出陰影。本算法比較簡單，執(zhí)行速度快，處理中不需要區(qū)分陰影和半陰影，而且可以將移動陰影和背景中的陰影都檢出來，只是模板中的參數(shù)要根據(jù)現(xiàn)實情況和經(jīng)驗來定。由于靜止物體的陰影也是不動的，所以靜止目標(biāo)可以歸入背景中。由公式（2）可檢測出動目標(biāo)。 
?。?）形心跟蹤算法
形心跟蹤是將整個跟蹤波門內(nèi)的圖像二值化，用求目標(biāo)形心的辦法獲得目標(biāo)位置參量。由于形心值是相對于目標(biāo)面積歸一化的值，因此形心值不受目標(biāo)面積、形狀以及灰度分布細(xì)節(jié)的限制。同時，形心跟蹤的計算頗為簡便。但是，形心跟蹤器受目標(biāo)的劇烈運(yùn)動或目標(biāo)被遮擋的影響較為嚴(yán)重，瞄準(zhǔn)點漂移是遠(yuǎn)距離跟蹤系統(tǒng)的主要誤差之一。這也是我們采用目標(biāo)軌跡擬合算法來外推運(yùn)動目標(biāo)位置，并與相關(guān)跟蹤法并行工作的原因。由于形心算法比較普及，本跟蹤裝置直接采用了改進(jìn)的形心跟蹤算法，用目標(biāo)峰值自適應(yīng)檢測算法使系統(tǒng)的計算可靠性和實時性達(dá)到最佳結(jié)合值。
?。?）相關(guān)跟蹤算法
相關(guān)跟蹤是對目標(biāo)圖像和輸入圖像進(jìn)行相關(guān)運(yùn)算，通過對搜索區(qū)域每次運(yùn)算結(jié)果進(jìn)行處理獲取相關(guān)峰值，從而確定目標(biāo)在輸入圖像的位置。在圖像目標(biāo)背景比較復(fù)雜以及背景與目標(biāo)無明顯灰度差的場合，相關(guān)跟蹤具有較好的抗干擾能力，可以應(yīng)付一定的形變和灰度畸變，能對復(fù)雜場景中的指定目標(biāo)進(jìn)行穩(wěn)定跟蹤，并對目標(biāo)交叉遮擋有較好的記憶效果，因此我們采用基于二維最小絕對差累加和算法的相關(guān)匹配算法進(jìn)行圖像特征識別，相似性度量為：
評論