基于多DSP和FPGA的實時雙模視頻跟蹤裝置設計
加入技術交流群
2.2視頻跟蹤裝置運動控制模塊的硬件組成
運動控制模塊硬件由GPT轉臺構成。GPT系列轉臺為模擬火炮或雷達跟蹤系統(tǒng)的旋轉運動系統(tǒng)，它包含電控箱、兩維數(shù)控轉臺本體及運動控制器三大部分。轉臺本體主要由機械結構件（含PAN和TILT）、驅動用交流伺服電機（兩套）、諧波減速器、斜齒輪、限位開關等部分組成。電控箱內安裝有交流伺服驅動器、I/O接口板、開關電源、開關、指示燈和電氣元件等主要部件。運動控制器主要由GT-400-SV運動控制卡、GM-400-SV運動控制卡用戶接口軟件等部分組成。作為機電控制系統(tǒng)的核心組成部分，GPT轉臺可用作監(jiān)控設備的基礎運動平臺，又可作為研制火箭、導彈、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°；負載：30kg。
3、視頻跟蹤裝置算法的分析
本文引用地址：http://www.ex-cimer.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：對視頻圖像進行A/D轉換，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設計成專用運算器并實現(xiàn)算法。
形心跟蹤模塊和相關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的位置，融合決策模塊實現(xiàn)置信度選擇，同時對目標信號進行擬合和軌跡外推，實現(xiàn)目標在偶然丟失下的預測跟蹤，以及深度丟失下的跟蹤狀態(tài)轉換和搜索狀態(tài)下控制二維轉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
背景差分是利用當前圖像與背景圖像差分來檢測出運動區(qū)域的一種技術，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]到攝像機移動緩慢，背景圖像變化比較遲緩，而運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，可把運動對象看作是一個對背景圖像的隨機擾動。針對本裝置的設計要求，我們應用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：
?。?）顏色濾波去陰影算法
如果圖像中具有運動陰影和分割碎塊，分割所得的圖像往往與實際目標不符，產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域中變化不是很大，所以顏色濾波主要是構造一個包含陰影的模板，再用這個模板與差分結果做邏輯與的操作，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)實情況和經驗來定。由于靜止物體的陰影也是不動的，所以靜止目標可以歸入背景中。由公式（2）可檢測出動目標。 
?。?）形心跟蹤算法
形心跟蹤是將整個跟蹤波門內的圖像二值化，用求目標形心的辦法獲得目標位置參量。由于形心值是相對于目標面積歸一化的值，因此形心值不受目標面積、形狀以及灰度分布細節(jié)的限制。同時，形心跟蹤的計算頗為簡便。但是，形心跟蹤器受目標的劇烈運動或目標被遮擋的影響較為嚴重，瞄準點漂移是遠距離跟蹤系統(tǒng)的主要誤差之一。這也是我們采用目標軌跡擬合算法來外推運動目標位置，并與相關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的形心跟蹤算法，用目標峰值自適應檢測算法使系統(tǒng)的計算可靠性和實時性達到最佳結合值。
?。?）相關跟蹤算法
相關跟蹤是對目標圖像和輸入圖像進行相關運算，通過對搜索區(qū)域每次運算結果進行處理獲取相關峰值，從而確定目標在輸入圖像的位置。在圖像目標背景比較復雜以及背景與目標無明顯灰度差的場合，相關跟蹤具有較好的抗干擾能力，可以應付一定的形變和灰度畸變，能對復雜場景中的指定目標進行穩(wěn)定跟蹤，并對目標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匹配算法進行圖像特征識別，相似性度量為：
評論