基于多DSP和FPGA的實(shí)時(shí)雙模視頻跟蹤裝置設計
加入技術(shù)交流群
2.2視頻跟蹤裝置運動(dòng)控制模塊的硬件組成
運動(dòng)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的旋轉運動(dòng)系統，它包含電控箱、兩維數控轉臺本體及運動(dòng)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(dòng)用交流伺服電機（兩套）、諧波減速器、斜齒輪、限位開(kāi)關(guān)等部分組成。電控箱內安裝有交流伺服驅動(dòng)器、I/O接口板、開(kāi)關(guān)電源、開(kāi)關(guān)、指示燈和電氣元件等主要部件。運動(dòng)控制器主要由GT-400-SV運動(dòng)控制卡、GM-400-SV運動(dòng)控制卡用戶(hù)接口軟件等部分組成。作為機電控制系統的核心組成部分，GPT轉臺可用作監控設備的基礎運動(dòng)平臺，又可作為研制火箭、導彈、魚(yú)雷和衛星等高科技尖端武器的仿真和試驗平臺。該系統可實(shí)現：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://dyxdggzs.com/article/151643.htm按照處理順序，我們將整個(gè)過(guò)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(shí)采用基于最小二乘法的時(shí)域遞推公式來(lái)完成，這個(gè)方法只需要一幀圖像的存儲，而且可以用遞推實(shí)現。去噪聲模塊:做應用鄰域平均法實(shí)現圖像平滑濾波，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(diǎn)提出的，將FPGA設計成專(zhuān)用運算器并實(shí)現算法。
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的位置，融合決策模塊實(shí)現置信度選擇，同時(shí)對目標信號進(jìn)行擬合和軌跡外推，實(shí)現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(chǎng)的慢速掃搜。這部分針對DSP的特點(diǎn)，采用C語(yǔ)言編程實(shí)現。
3.1主要算法特點(diǎn)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(lái)檢測出運動(dòng)區域的一種技術(shù)，一般能提供最完全的特征數據，但對于動(dòng)態(tài)場(chǎng)景的變化，如光照等事件的干擾特別敏感?？紤]到攝像機移動(dòng)緩慢，背景圖像變化比較遲緩，而運動(dòng)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(lái)說(shuō)，可把運動(dòng)對象看作是一個(gè)對背景圖像的隨機擾動(dòng)。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(lái)更新和重建背景圖像，得到時(shí)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(dòng)陰影和分割碎塊，分割所得的圖像往往與實(shí)際目標不符，產(chǎn)生欠分割或過(guò)分割的現象。由于陰影象素的灰度值在一個(gè)局部領(lǐng)域中變化不是很大，所以顏色濾波主要是構造一個(gè)包含陰影的模板，再用這個(gè)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(jiǎn)單，執行速度快，處理中不需要區分陰影和半陰影，而且可以將移動(dòng)陰影和背景中的陰影都檢出來(lái)，只是模板中的參數要根據現實(shí)情況和經(jīng)驗來(lái)定。由于靜止物體的陰影也是不動(dòng)的，所以靜止目標可以歸入背景中。由公式（2）可檢測出動(dòng)目標。 
?。?）形心跟蹤算法
形心跟蹤是將整個(gè)跟蹤波門(mén)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的限制。同時(shí)，形心跟蹤的計算頗為簡(jiǎn)便。但是，形心跟蹤器受目標的劇烈運動(dòng)或目標被遮擋的影響較為嚴重，瞄準點(diǎn)漂移是遠距離跟蹤系統的主要誤差之一。這也是我們采用目標軌跡擬合算法來(lái)外推運動(dòng)目標位置，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，用目標峰值自適應檢測算法使系統的計算可靠性和實(shí)時(shí)性達到最佳結合值。
?。?）相關(guān)跟蹤算法
相關(guān)跟蹤是對目標圖像和輸入圖像進(jìn)行相關(guān)運算，通過(guò)對搜索區域每次運算結果進(jìn)行處理獲取相關(guān)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(wú)明顯灰度差的場(chǎng)合，相關(guān)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(chǎng)景中的指定目標進(jìn)行穩定跟蹤，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(guān)匹配算法進(jìn)行圖像特征識別，相似性度量為：
評論