论文部分内容阅读
本课题研究视频监控系统中运动物体自动跟踪技术,在研究运动物体检测跟踪算法基础上,设计成本低、资源精简的自动监控系统,达到实时监控的目的。采用ARM S3C2410微处理器作为主控制器,其上运行Linux实时操作系统构成嵌入式开发平台,进行系统中信号采集、数据传输、图像处理等操作。在对运动物体检测和自动跟踪的实现算法的研究上,分析运动检测常用方法和检测流程,改进背景差法对运动物体进行检测,融入帧差法思想,采用连续两帧图像与背景的差值图像做差值运算,对差值图像选取阈值为50进行二值处理。实验表明改进后的背景差法在检测运动物体时能消除一定的噪声影响,提高检测的精度。提取运动区域的质心作为运动物体的参考位置,研究卡尔曼滤波器预测估计其下一步的运动状态,其计算方便、实现效果较好。在利用摄像头跟踪运动物体时,考虑到实际情况,在摄像头随运动物体一起转动的时候,摄像头停止采集图像,当摄像头转动一定角度后,暂停摄像头转动采集连续的视频图像进行分析。以ARM微处理器S3C2410为控制核心,设计S3C2410系统控制电路,SDRAM、Flash存储电路,USB通信电路和无线通信模块等电路。基于Linux实时操作系统,修改并移植vivi及Linux内核到开发平台上,并基于Video4Linux内核,完成视频信号采集、USB摄像头驱动程序设计,运动物体检测跟踪算法的程序设计。本课题研究简易可行的运动物体检测跟踪算法,设计系统软硬件平台,实现在简单场景下,对运动物体进行较准确的检测和跟踪。