研究生开题报告

2.研究现状与存在的问题
目标粒子滤波跟 踪方法
• 重要性密度函数选取角度：辅助粒 子滤波、扩展卡尔曼粒子滤波等； • 正则粒子滤波解决重采样带来的粒 子匾乏问题； • Koteeha等提出高斯粒子滤波高斯 和粒子滤波，避免了重采样步骤。 • 此外，自适应粒子滤波，实时粒子 滤波，分布式粒子滤波等分别从自 适应调整粒子数目、实时计算及分 布式实现等方面进行了深入研究。
6.课题的研究特色与创新点
1 多特征目标 粒子滤波跟踪 算法 2 mean-shift与 粒子滤波结合 的目标跟踪 算法 3
算法ຫໍສະໝຸດ BaiduDSP 移植与优化
7.预期研究成果
1
提出一种改进目标粒子滤波跟踪算法
2
在搭建的实验平台上实现所提出的算 法，并进行优化
3
发表学术论文
参考文献
[1] Gordon N, Salmond D, and Smith A F, Novel approach tononlinear/non-gaussian Bayesian state estimation, Proc. Inst. Elect. Eng.F,1993,140(2):107-113. [2]Yun Liao, Hua Zhou, etc. Target Based on Particle Filtering and Mean Shift [J]. IEEE 8th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD), 2011:559-564. [3] Daniel Froß, Jan Langer, Andr´ e Froß, Marko R¨ oßler, Ulrich Heinkel. Hardware Implementation of a Particle Filter for Location Estimation [J]. IEEE International Conference on Indoor Positioning and Indoor Navigation (IPIN), 2010, 150:131-144. [4]李远征，卢朝阳，李静. 一种基于多特征融合的视频目标跟踪方法[J]. 西安电子科技大学学报（自 然科学版），2012.8，39（4）：1-8. [5]顾建刚，邱雪娜，应宏微等.一种基于纹理和颜色的粒子滤波目标跟踪方法[J].视频应用与工程， 2011，35（3）：97-100. [6]余纯，张三同. 粒子滤波用于硬件实现的改进算法研究[J].计算机工程与设计，2008年10月， 29(19)：5080-5086. [7]邓文坛，张三同，余纯. 一种改进的粒子滤波跟踪算法的研究[J].自动化技术与应用—通信与信息 处理，2008，27(3)：84-87. [8]凤俊翔，张健，薄超.基于DSP 的改进粒子滤波算法研究[J]. 现代电子技术，2010（18）：9-16. [9]余纯，张太荣. 基于硬件实现的粒子滤波重采样算法研究[J]. 控制理论与应用，2013，32（2）： 1-9. [10]李雁斌，曹作良，刘常杰，叶声华. 基于DSP利用粒子滤波算法实现目标跟踪[J]. 光电子· 激光， 2009.6，20（2）：771-774.
运动目标粒子滤波跟 踪算法研究与实现
报告人： 专 业： 导 师： 日 期：
目录
1. 课题的研究目的和意义 2. 研究现状与存在的问题 3. 课题的研究内容 4. 拟解决的关键问题 5. 研究方案 6. 课题的研究特色与创新点 7. 预期研究成果
1.课题的研究目的与意义
研究意义 目标跟踪技术可对视频图像中感兴趣的运动 目标进行分析和跟踪，有着非常广泛的应用价值， 例如实时监控、安全防卫、交通监视、虚拟现实、 工业产品检测、医疗诊断、军事制导等等。因此， 对目标跟踪问题进行理论与实现研究，具有重大 的理论和现实意义。 研究目的 提出一种目标粒子滤波跟踪的改进算法，将 其移植到DSP上，实现目标的精确实时跟踪。
存在问题
为了获得较好的滤 波性能，通常需要较多 的采样点来表征后验概 率密度，因此硬件电路 结构复杂、运算量大、 运行周期长。
3.课题的研究内容
1
1.基于多特征融合的粒子滤波跟踪 算法研究
2
3
2. mean-shift算法 提高粒子滤波算法的实时性
3.算法的移植与优化 在搭建的DSP实验平台实现基于多 特征融合和mean-shift的粒子滤波 目标跟踪算法
PL7006的7英寸显示器。
5.研究方案
5.3算法的移植与优化
• 前期融合多特征信息和mean-shift粒子滤波算法基本成 熟 • 结合相关资料学习DSP开发 • 在所搭建的DSP实验平台上，结合TMS320DSP算法标准、 C语言程序开发、计算机视觉库(OpenCV)和DSP-IMGLib库 函数等编程实现基于多特征信息融合和mean-shift的目 标跟踪粒子滤波算法，在所搭建平台上对算法进行调试， 发现问题并及时改正，最终实现精确型和实时性较好的 目标跟踪。
4.拟解决的关键问题
关键问题
如何将多特征 信息和meanshift算法嵌入 到粒子滤波中
如何对算法 进行移植和 优化
5.研究方案
step3 step2 step1
算法的 改进
实验平台 的搭建
算法的移 植与优化
5.研究方案
5.1算法的改进
• 查阅相关文献资料，研究基本粒子滤波算法运行 原理 • 在前人研究基础上，学习单一特征的运动目标粒 子滤波跟踪算法，初步在硬件平台上实现，分析 比较跟踪效果 • 增加跟踪特征，比如目标的纹理、轮廓、空间结 构等，并进行仿真 • 考虑嵌入实时性好的mean-shift算法，进行仿真 分析
存在问题
选取目标特征单一，跟 踪精确度和实时性不高；粒 子滤波算法本身的缺陷，粒 子退化和匮乏，重采样步骤， 重要性密度函数选择等。
2.研究现状与存在的问题
硬件实现
国外研究成果集中在 Sangjin Hong教授等的研究 成果，他们发现并行实现中 粒子权值不平衡现象，并给 出了一种可行粒子滤波结构； 国内成果主要集中在北京交 通大学张三同教授领导的团 队，他们开展了粒子滤波的 DSP和FPGA实现。
5.研究方案
5.2实验平台的搭建
视频解 码器 DSP 算法处理 视频编码 器
摄像头
视频源
结果输出 PC显示或
5.研究方案
5.2实验平台的搭建
• 视频源：初期以实验室环境为主，算法成熟时，考虑采 集室外的视频序列。
• 摄像头：SEED-DTK-VPM642实验箱自带的Pioneer TimesPNT698PAL制式模拟摄像头。 • 视频解码器和视频编码器都是SEED-VPM642开发板上自带 的，分别是TVP5150和SAA7121。 • 结果输出有两个方向，一个是PC，另一个是GADMEI-