基于DSP平台智能车辆跟踪系统.docVIP

姓名: 班级: 学号: 分数: 基于DSP平台的智能车辆跟踪系统 基于DSP的车辆智能跟踪系统结合了数字图像处理、人工智能、自动控制等多个学科领域的技术，具备广阔的应用前景。随着经济社会的高速发展和人们对交通安全的迫切需要，人们对车辆交通的安全可靠性的要求越来越高。现实中的交通环境复杂，传统的被动安全技术并无法从根本上解决安全问题，基于机器视觉和模式识别的主动安全技术备受关注。检测跟踪技术是其中的研究热点之一。本设计的智能车辆跟踪系统的功能是实现一台车(自主车)在无人干预的情况下自主跟踪另外一台车(引导车)。整个系统由导航系统、引导车和自主车三大部分组成。导航系统由CCD摄像机、DSP视频处理板、串口通信数据转换板、无线通信模块、供电系统等组成。导航系统的检测算法是基于YUV空间的单高斯背景建模算法，跟踪算法是基于HOG特征的CAMShift算法。论文内容主要包括三个部分：一是对检测和跟踪算法做了详尽的分析和描述。二是将这两个改进算法在DSP上实现，并从DSP硬件设计和软件开发的角度描述了DSP程序开发过程。关键词：智能车辆跟踪；运动目标检测与跟踪；DM642；CAMShift算法；DSP移植1.1 论文研究背景及内容 随着计算机和信息技术的飞速发展，数字信号处理技术得到了迅速发展。自从上世纪70年代第一片数字信号处理(Digital Signal Processor, DSP)芯片问世以来，DSP以数字器件特有的稳定性、可重复性、可大规模集成，特别是可编程性高和易于实现自适应处理等特点，给数字信号处理的发展带来了巨大机遇，并使信号处理手段更灵活，功能更强大，其应用也拓展到所有领域。随着半导体制造工艺的发展和计算机体系结构等方面的改进，DSP芯片的功能越来越强大，使信号处理系统的研究重点放在了软件算法上，特别是在图像实时处理领域，能够实时处理的信号带宽已经有了长足的进展。 伴随着经济的高速发展和人们物质生活水平的越高，人工智能扮演着日益重要的角色，微型计算机就是一个典型例子。汽车已经是人们日常生活中不可缺少的重要交通工具。人工智能技术可以和汽车机械技术相结合，更多的人工智能化技术应该被应用到汽车上。计算机技术的广泛应用，为汽车的智能化提供了广阔的前景。 1.2 国内外研究历史及现状 1978年，美国加州帕萨迪纳市的喷气推进实验室提出了运用机器视觉来进行车辆检测的方法，并指出这种方法是传统检测方法的一种可行的替代方案。在这几年后，美国明尼苏达大学的研究人员研制出第一个可投入使用的基于视频的车辆检测系统。该系统使用了当时最先进的微处理器，在不同场景和环境下的测试结果良好，说明了利用视频传感器实时检测车辆的可行性。 目前车辆跟踪系统采用的主要技术是使用颜色特征进行运动目标跟踪。相关算法主要分为有参估计统计方法和无参数估计统计方法两大类，这两种基本方法所建立的模型都是基于对颜色区域所建立颜色分布的模型。经过实验验证和分析，由于可以很好的克服有参数估计方法的缺点，统计直方图的无参估计方法大范围的应用在基于颜色直方图统计特征模型的运动目标跟踪算法中。较为典型的无参数估计的目标跟踪算法就是本文中所使用的MeanShift算法。1.3 车辆跟踪的意义及应用 车辆跟踪系统的应用非常广泛，并且有很多派生出来的用途。车辆跟踪不仅可以实现无人驾驶而且可以做到一定意义上的主动防御，提高车辆的安全性。司机在长时间驾驶的时候会感到疲劳，目前发展的人工智能疲劳检测系统可以检测到司机的驾驶状态并给予提示，但这并不是好的解决方法。如果在公路上选择一辆车辆作为引导车，自动跟踪并无人驾驶，疲劳的司机可以做自己想做的事情。2 基于HOG特征的CAMShift跟踪算法 2.1 算法概述 CamShiftMeanShift算法的改进，称为连续自适应的MeanShift算法，CamShift的基本思想是将视频图像的所有帧作MeanShift运算，并将上一帧的结果作为下一帧MeanShift算法的Search Window的初始值，如此迭代下去。CamShift算法是由MeanShift算法推导而来，MeanShift算法主要是用于单帧结构，但独立的一帧分析对跟踪踪系统而言无太大意义，CamShift算法就是利用MeanShift算法的方法，对视频进行分析。 2.1.1 图像特征与直方图 Robust特性通常需要结合使用图像的多种特征。直方图建模的基本过程为：(1)、选择直方图分辨率。这个数值越大得到的图像的区分度也越大，当然同时需要耗费的计算量也越大，需要折中取舍；(2)、对RGB三个颜色通道进行直方图统计，并归一化直方图值；(3)、利用直方图信息建模。 图2.1是两帧不同图像的单通道直方图，分辨率取值为16。 图.1 两张图像的单通道直方图.1.2 模型匹配 B