以DSP实现移动物体的图像检测和追踪系统的中期报告.docxVIP

以DSP实现移动物体的图像检测和追踪系统的中期报告 一、项目简介 本项目旨在实现一款基于数字信号处理（DSP）的移动物体图像检测和追踪系统。具体实现过程包括：采集视频数据，进行图像预处理，借助深度神经网络（CNN）进行移动物体检测，提取关键特征信息及运动轨迹，实现物体追踪，并输出图像或视频数据。 二、进展情况 1. 硬件环境搭建 在项目初期，我们选定了适用于DSP开发的TMS320F28379D开发板，并安装了相应的软件开发环境。同时，我们还选购了一台高清晰度摄像头，并将其通过USB接口与开发板进行连接。 2. 图像采集与预处理 通过摄像头采集到的图像数据，需要进行过滤，去除噪声和不必要的信息，保留并突出关键物体的轮廓。为此，我们使用了开放源代码的图像处理库OpenCV，并调研了各种图像预处理算法的优缺点，最终选定了Canny边缘检测算法。 3. 物体检测 在经过图像预处理后，我们使用经典的物体检测算法YOLOv3，进行了移动物体的检测。为了提高检测精度，我们使用了更加深度的预训练模型，同时还对模型训练和数据集进行了调优。 4. 特征提取与物体追踪 通过YOLOv3进行物体检测后，我们还需要对检测结果进行特征提取和跟踪。针对这个问题，我们选择了基于卡尔曼滤波算法的多目标跟踪器，在此基础上，我们实现了目标轨迹追踪的功能。 5. 输出 目前，我们已经将图像数据输出到显示器进行可视化输出