基于ARM嵌入式平台的主动视觉系统设计与实现

摘要

近年来，随着机器视觉、智能监控等领域的快速发展，主动视觉相关技术日渐成熟。针对基于视频序列的目标检测与跟踪技术，本文提出了一种基于ARM的主动视觉系统方案。本文的主要工作和成果如下： 在目标检测方面，研究了两种典型的运动目标检测算法：帧间差分法和背景减除法，并进行仿真实验。背景减除法的效果取决于背景的构建，而帧间差分法不需要预知背景信息即可检测出运动目标。 在目标跟踪方面，针对颜色相近背景干扰，提出了一种改进的Camshift算法。该算法通过结合FAST特征点检测和FREAK描述符进行对Camshift算法跟踪结果的修正。实验表明改进后的算法能有效应对此类干扰，提高Camshift算法的跟踪精度。另外，在低照度条件下，颜色特征不明显，故采用KCF算法进行跟踪。针对跟踪目标部分被遮挡的情况，提出了一种改进的KCF算法，通过FAST特征点和FREAK描述符修正KCF算法跟踪失败的情况。通过仿真实验证明，改进后的算法对于部分遮挡问题具有很好的跟踪结果。 在嵌入式硬件实现方面，构建了一个以S5PV210为核心，STM32为运动控制模块的嵌入式主动视觉平台。视觉方面根据帧差法检测出运动目标，通过本文提出的算法进行跟踪。完成了嵌入式Linux系统、OpenCV库、QT库的移植。在此基础上完成了人机交互界面的设计、基于V4L2协议的图像采集、改进的Camshift算法移植、改进的KCF算法移植等等。运动控制方面，搭建了一个基于STM32的轮式小车，并设计了轮式小车控制策略进行对运动目标的跟踪。 经过对主动视觉系统算法的研究以及对于ARM的移植，通过实验结果可以得知本文的主动视觉系统在一定环境中能够准确检测并跟踪运动目标，能够达到预期效果。

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外发展现状

1.3 面临的主要问题

1.4 本文研究内容与结构安排

第二章 运动目标检测算法

2.1 前言

2.2 背景减除法

2.3 帧间差分法

2.4 本章小结

第三章 运动目标跟踪算法设计

3.1 前言

3.2 Camshift算法介绍

3.3 改进Camshift算法

3.4 KCF算法简介

3.5 改进的KCF 算法

3.6 本章小结

第四章 主动视觉系统硬件设计

4.1 前言

4.2 硬件结构整体方案

4.3 主控制器

4.4 其他模块介绍

4.5 本章小结

第五章 算法的移植与实现

5.1 前言

5.2 嵌入式Linux系统移植

5.3 基于ARM的主动视觉系统实现

5.4 实验结果

5.5 本章小结

第六章 总结与展望

6.1 工作总结

6.2 工作展望

参考文献

发表论文和科研情况说明

致谢