CN103186903A - 一种基于pid的运动目标检测跟踪系统 - Google Patents
一种基于pid的运动目标检测跟踪系统 Download PDFInfo
- Publication number
- CN103186903A CN103186903A CN2013101388772A CN201310138877A CN103186903A CN 103186903 A CN103186903 A CN 103186903A CN 2013101388772 A CN2013101388772 A CN 2013101388772A CN 201310138877 A CN201310138877 A CN 201310138877A CN 103186903 A CN103186903 A CN 103186903A
- Authority
- CN
- China
- Prior art keywords
- moving object
- processing unit
- pid
- target
- tracking system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于PID的运动目标检测跟踪系统,包括图像处理单元,所述图像处理单元分别与瞄具、高精度随动系统和监视屏连接,所述瞄具与所述高精度随动系统连接,所述图像处理单元包括现场可编程门阵列FPGA、数字信号处理器DSP、存储器、解码器、编码器、同步动态存储SDRAM和数据存贮器FLASH。本发明采用连续自适应均值偏移算法和图像匹配算法相结合的方式、合理的目标自适应模板更新策略和分区PID跟踪控制算法,加入操控摇杆手柄,可以通过观察监视屏手动控制跟踪运动目标,并且可以在手动与自动跟踪模式之间切换,具有实用性。
Description
技术领域
本发明涉及目标跟踪技术领域,具体涉及一种基于PID的运动目标检测跟踪系统。
背景技术
目标跟踪技术最初始于军事上的需求,特别是在制导和导航方面。目标跟踪问题的中心问题是:从相对复杂的背景环境中,甄别每帧图像中表示目标区域或目标特征的图像结构。从40年代MIT研制成功“雷达跟踪系统”和“火炮指挥仪”以来,目标跟踪技术经历了辉煌的历程,己经由维纳滤波(频域法)和卡尔曼滤波(状态空间法)两大理论体系并存转变到卡尔曼滤波与Mean Shift等其他理论互相交叉融合的新时代。卡尔曼滤波是20世纪60年代卡尔曼创建的线性系统最优控制理论。这一理论的创建为最优控制、最优估计、最优跟踪、最优制导律等理论的构造提供了坚实的理论基础和基本框架。1995年Cheng等将Mean Shift理论应用到目标跟踪领域就是一个重要标志。近十几年来,Mean Shift算法一直是目标跟踪中最热门、最常用研究方法之一。随着交叉学科的蓬勃发展,尤其是随着目标跟踪理论和智能信号处理理论(包括软计算)相结合以及网络化概念和网络平台技术的发展,目标跟踪理论和技术研究面临新的挑战,并且促使人们开展目标跟踪新理论、新方法的研究。例如将神经网络用于目标跟踪的新发展方向,即用一些接口技术将网络结构联结起来,可以实现多目标的跟踪。
从目标跟踪领域的整体状况来看,美国、西欧和日本等发达国家已经做了大量的研究,取得了大量的科研成果,并且大量实现在工业化生产和国防装备中。例如上个世纪末,美国国防部与以卡耐基梅隆大学为首的几所高校共同参与的视频监控项目VSAM,最终开发了一套用于战场和民用的视觉自动理解系统;另外IBM等参与研制的W4系统不仅能够定位目标和分割目标,而且能通过建立模型来跟踪目标;其后美国康奈尔大学又设计了一套航拍视频检测与持续跟踪系统,该系统能够对多运动目标实现长时间的准确跟踪,有效处理短时间内目标被遮挡或目标时静时动的情况;英国的雷丁大学(University of Reading)开展了对车辆和行人的跟踪及其交互作用识别的相关研究(3D模型);在2005年,美国中央佛罗里达大学开发出了基于MATLAB的cocoA系统,用于无人机低空航拍视频图像的目标检测与跟踪处理。
相比而言,国内这方面的研究起步较晚,受制于各方面因素,理论上的创新居多,少有大工程系统的实现。再加上我国在目标跟踪技术研究所需的核心器件--高速芯片上的技术还远不成熟,多方面的差距导致国内外技术水平的落差。但是,近年来随着国家整体科技实力的上升,差距正在不断缩小。许多科研机构和高校对该领域都做出了重大的贡献。例如中国科学院自动化所模式识别国家重点实验室(NLPR)研制的多行人跟踪系统;浙江大学人工智能研究所采用多摄像机对人体没有被遮挡部位的动作进行跟踪;中科院计算机所的研究主要用于手语识别,被测人带有数据手套,是基于身体传感器的方法;清华大学智能技术与系统国家重点实验室做了复杂背景下人脸特征检测和跟踪的研究;国防科技大学也在无人机对地目标跟踪上做出了很多有价值的成果。目前,实时的图像跟踪领域的研究重点且难点问题之一在于如何对运动目标进行稳定、鲁棒的跟踪。背景复杂、目标发生旋转、目标的轮廓复杂、摄像机发生相对位移、光照变化、目标被遮挡等因素都会增加运动目标跟踪的复杂性。比如运动目标的尺度伸缩变化和形变:在跟踪过程中目标的平移或者旋转运动,引起与摄像机的距离和视角发生变化,会造成目标图像的尺度伸缩变化和形变,这些变化会造成目标图像表达的非线性变化,从而导致跟踪的失效。
发明内容
为解决上述问题,本发明的目的是提供一种基于PID的运动目标检测跟踪系统,能实现对运动目标的识别捕获并且实现高精度跟踪,实时跟踪视频监控,补充了现有某型高炮对目标跟踪的方式。
样处理厂的告知系统为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于PID的运动目标检测跟踪系统,包括图像处理单元,所述图像处理单元分别与瞄具、高精度随动系统和监视屏连接,所述瞄具与所述高精度随动系统连接。
进一步的,所述图像处理单元包括现场可编程门阵列FPGA、数字信号处理器DSP、存储器、解码器、编码器、同步动态存储SDRAM和数据存贮器FLASH,所述FPGA分别与所述DSP、所述存储器、所述解码器、所述编码器连接,所述DSP还与所述SDRAM和所述FLASH连接。
本发明的有益效果是:
1、本发明采用新型的连续自适应均值偏移算法和图像匹配算法相结合的方式,实现对运动目标的识别和跟踪,相对于单一的均值偏移算法或模板匹配算法,两者结合的方式能有效提高跟踪的成功率,具有较好的鲁棒性和准确性;
2、本发明采用合理的目标自适应模板更新策略有效解决运动目标的尺度伸缩变化和形变带来的问题,结合有位置补偿的目标运动轨迹预测,在波门内搜索目标,相对于全屏扫描搜索,提高了处理速度和跟踪实时性;
3、本发明采用分区PID跟踪控制算法,通过检测系统误差所处的范围来采取不同的控制策略,有效的提高了系统的控制精度,加入操控摇杆手柄,可以通过观察监视屏手动控制跟踪运动目标,并且可以在手动与自动跟踪模式之间切换,具有实用性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
图1为本发明的结构示意图;
图2为本发明的图像处理单元的组成示意图。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
参见图1所示,一种基于PID的运动目标检测跟踪系统,一种基于PID的运动目标检测跟踪系统,包括图像处理单元,所述图像处理单元分别与瞄具、高精度随动系统和监视屏连接,所述瞄具与所述高精度随动系统连接。所述瞄具中的摄像头把采集的空中运动目标视频信息,传递给所述图像处理单元进行目标图像跟踪处理,同时通过发送命令给所述高精度随动系统控制所述瞄具转动跟踪运动目标,并把目标跟踪图像传输到所述监视屏上显示,用以监测目标跟踪。
参见图2所示,进一步的,所述图像处理单元包括现场可编程门阵列FPGA、数字信号处理器DSP、存储器、解码器、编码器、同步动态存储SDRAM和数据存贮器FLASH,所述FPGA分别与所述DSP、所述存储器、所述解码器、所述编码器连接,所述DSP还与所述SDRAM和所述FLASH连接。所述图像处理单元是整个系统的核心部件,它把采集可见光视频信号经所述解码器转换为数字信号,然后先通过所述FPGA进行预处理,再送入所述DSP进行处理完成视频图像中目标的识别任务,一方面提取出目标信息,对采集的信息进行目标图像跟踪处理,把将处理后的视频图像送回所述FPGA,经过所述FPGA控制所述编码器将其转换为标准制式的模拟电视信号输出,另一方面通过一定的算法处理,计算出目标位置,通过发送命令给所述高精度随动系统控制所述瞄具转动跟踪运动目标;其中所述存储器、所述SDRAM和所述FLASH是扩展所需的外部存储器,用来提高数据处理速度及系统的灵活性。系统中所述DSP作为核心处理器来完成视频图像中目标识别任务,而所述FPGA则为协处理器,负责各接口的逻辑时序控制,以及视频图像的同步采集、预处理与最终结果的显示。两处理器间由高速总线控制器隔离,视频数据交互时总线打开,完成数据传输总线隔离,双处理器有各自的内存管理机制,构成双处理系统。双核系统的成功运作为系统完成更复杂的算法奠定了基础。
以上所述仅为发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于PID的运动目标检测跟踪系统,包括图像处理单元,其特征在于:所述图像处理单元分别与瞄具、高精度随动系统和监视屏连接,所述瞄具与所述高精度随动系统连接。
2.根据权利要求1所述的基于PID的运动目标检测跟踪系统,其特征在于:所述图像处理单元包括现场可编程门阵列FPGA、数字信号处理器DSP、存储器、解码器、编码器、同步动态存储SDRAM和数据存贮器FLASH,所述FPGA分别与所述DSP、所述存储器、所述解码器、所述编码器连接,所述DSP还与所述SDRAM和所述FLASH连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101388772A CN103186903A (zh) | 2013-04-22 | 2013-04-22 | 一种基于pid的运动目标检测跟踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101388772A CN103186903A (zh) | 2013-04-22 | 2013-04-22 | 一种基于pid的运动目标检测跟踪系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103186903A true CN103186903A (zh) | 2013-07-03 |
Family
ID=48678061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101388772A Pending CN103186903A (zh) | 2013-04-22 | 2013-04-22 | 一种基于pid的运动目标检测跟踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103186903A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103647937A (zh) * | 2013-11-21 | 2014-03-19 | 北京环境特性研究所 | 图像跟踪系统及其图像数据处理方法 |
CN105187690A (zh) * | 2015-09-17 | 2015-12-23 | 北京华航无线电测量研究所 | 应用于制导的图像处理方法和装置 |
CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
CN106657885A (zh) * | 2016-10-19 | 2017-05-10 | 广东容祺智能科技有限公司 | 一种智能机载双光巡检系统 |
CN107831668A (zh) * | 2017-11-15 | 2018-03-23 | 机械工业仪器仪表综合技术经济研究所 | 一种适用于随动控制自适应检测的方法及系统 |
CN107977987A (zh) * | 2017-11-20 | 2018-05-01 | 北京理工大学 | 一种无人机载多目标探测跟踪、指示系统及方法 |
CN109191498A (zh) * | 2018-09-05 | 2019-01-11 | 中国科学院自动化研究所 | 基于动态记忆和运动感知的目标检测方法及系统 |
CN115877328A (zh) * | 2023-03-06 | 2023-03-31 | 成都鹰谷米特科技有限公司 | 一种阵列雷达的信号收发方法及阵列雷达 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101355692A (zh) * | 2008-07-30 | 2009-01-28 | 浙江大学 | 一种实时跟踪运动目标区域的智能监控装置 |
CN101539420A (zh) * | 2009-05-05 | 2009-09-23 | 中国科学院长春光学精密机械与物理研究所 | 利用水平式光电经纬仪对运动目标进行跟踪的方法 |
CN102438118A (zh) * | 2011-11-30 | 2012-05-02 | 哈尔滨工业大学 | 一种运动目标特征高速视觉捕捉装置 |
CN102542289A (zh) * | 2011-12-16 | 2012-07-04 | 重庆邮电大学 | 一种基于多高斯计数模型的人流量统计方法 |
-
2013
- 2013-04-22 CN CN2013101388772A patent/CN103186903A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101355692A (zh) * | 2008-07-30 | 2009-01-28 | 浙江大学 | 一种实时跟踪运动目标区域的智能监控装置 |
CN101539420A (zh) * | 2009-05-05 | 2009-09-23 | 中国科学院长春光学精密机械与物理研究所 | 利用水平式光电经纬仪对运动目标进行跟踪的方法 |
CN102438118A (zh) * | 2011-11-30 | 2012-05-02 | 哈尔滨工业大学 | 一种运动目标特征高速视觉捕捉装置 |
CN102542289A (zh) * | 2011-12-16 | 2012-07-04 | 重庆邮电大学 | 一种基于多高斯计数模型的人流量统计方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103647937A (zh) * | 2013-11-21 | 2014-03-19 | 北京环境特性研究所 | 图像跟踪系统及其图像数据处理方法 |
CN105187690A (zh) * | 2015-09-17 | 2015-12-23 | 北京华航无线电测量研究所 | 应用于制导的图像处理方法和装置 |
CN105187690B (zh) * | 2015-09-17 | 2019-08-09 | 北京华航无线电测量研究所 | 应用于制导的图像处理方法和装置 |
CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
CN105447459B (zh) * | 2015-11-18 | 2019-03-22 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
CN106657885A (zh) * | 2016-10-19 | 2017-05-10 | 广东容祺智能科技有限公司 | 一种智能机载双光巡检系统 |
CN107831668A (zh) * | 2017-11-15 | 2018-03-23 | 机械工业仪器仪表综合技术经济研究所 | 一种适用于随动控制自适应检测的方法及系统 |
CN107977987A (zh) * | 2017-11-20 | 2018-05-01 | 北京理工大学 | 一种无人机载多目标探测跟踪、指示系统及方法 |
CN109191498A (zh) * | 2018-09-05 | 2019-01-11 | 中国科学院自动化研究所 | 基于动态记忆和运动感知的目标检测方法及系统 |
CN109191498B (zh) * | 2018-09-05 | 2021-04-02 | 中国科学院自动化研究所 | 基于动态记忆和运动感知的目标检测方法及系统 |
CN115877328A (zh) * | 2023-03-06 | 2023-03-31 | 成都鹰谷米特科技有限公司 | 一种阵列雷达的信号收发方法及阵列雷达 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103186903A (zh) | 一种基于pid的运动目标检测跟踪系统 | |
CN100498821C (zh) | 运动背景的红外图像实时目标识别与跟踪器及方法 | |
CN110223348A (zh) | 基于rgb-d相机的机器人场景自适应位姿估计方法 | |
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
CN103226835B (zh) | 基于在线初始化梯度增强回归树的目标跟踪方法及系统 | |
CN103065131B (zh) | 一种复杂场景下自动目标识别跟踪方法及系统 | |
CN105528082A (zh) | 三维空间及手势识别追踪交互方法、装置和系统 | |
CN110969648B (zh) | 一种基于点云序列数据的3d目标跟踪方法及系统 | |
CN106327526A (zh) | 图像目标跟踪方法与系统 | |
CN109917818A (zh) | 基于地面机器人的协同搜索围堵方法 | |
CN107240122A (zh) | 基于时空连续相关滤波的视频目标跟踪方法 | |
CN102799856A (zh) | 基于双通道红外信息融合的人体动作识别方法 | |
CN112598729B (zh) | 融合激光与相机的目标物体识别与定位方法 | |
CN109387192B (zh) | 一种室内外连续定位方法及装置 | |
Cai et al. | Mobile robot localization using gps, imu and visual odometry | |
CN106503248A (zh) | 地图生成方法及地图生成装置 | |
CN112507845B (zh) | 基于CenterNet与深度关联矩阵的行人多目标跟踪方法 | |
CN103093193A (zh) | 一种空地图像制导武器目标识别方法 | |
Bi et al. | Review on video object tracking based on deep learning | |
Wei et al. | A survey of uav visual navigation based on monocular slam | |
CN113538218A (zh) | 基于位姿自监督对抗生成网络的弱配对图像风格迁移方法 | |
CN115984330A (zh) | 一种边界感知的目标跟踪模型及目标跟踪方法 | |
CN103900581B (zh) | 基于增广拉格朗日条件的mimu与gps组合行人导航法 | |
Cheng et al. | Relocalization based on millimeter wave radar point cloud for visually degraded environments | |
Gopal et al. | Tiny object detection: Comparative study using single stage CNN object detectors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130703 |