基于嵌入式GPU的物体跟踪算法研究与实现

发布时间：2025-05-29 05:10

　　基于视觉的物体跟踪是计算机视觉领域十分重要的基础性研究方向。众多基于计算机视觉的高级应用都需要物体跟踪算法的支持,如自动驾驶、行为分析、智能监控和人际交互等。基于视觉的物体跟踪任务中会遇到尺度变化、形状变化、光照变化、快速运动以及遮挡等各种难题,同时又需要保证算法具有很好的鲁棒性和实时性,因此这将是个很有挑战性的难题。本文基于相关滤波的算法基础之上,设计出一种准确性较高,具有很好的鲁棒性,具有长时跟踪性能,同时又能够很好部署在嵌入式平台上的跟踪算法。本文的主要工作和研究内容如下:1.综合考虑了DCFNet跟踪算法的优势和缺点,在DCFNet跟踪算法上做了一定的修改。首先为DCFNet跟踪算法增添了跟踪置信度评测方法,然后制定了相关滤波层的模版更新策略。将DCFNet跟踪算法作为局部跟踪模块,添加了一个全局搜索模块,全局搜索模块是在局部跟踪模块跟踪结果的置信度比较低时才启动。为了保证全局搜索模块的速度,采用级联分类器的思想,首先利用Selective Search方法筛选出可能包含目标物的矩形框,然后进行三步筛选。第一步利用上一帧目标物的尺寸筛选候选框;第二步利用前几帧目标物的颜色特征和相...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究工作
    1.4 论文组织结构
第2章 视觉跟踪算法概述
    2.1 视觉跟踪算法基本框架介绍
    2.2 视觉跟踪算法的评价指标
    2.3 视觉跟踪算法的常用方法以及存在的问题
        2.3.1 生成类方法和判别类方法
        2.3.2 判别式相关滤波方法
        2.3.3 深度学习类的物体跟踪方法
    2.4 本章小结
第3章 基于DCFNET的长时跟踪算法
    3.1 判别式相关滤波算法
    3.2 DCFNet跟踪算法
    3.3 基于DCFNet跟踪算法的改进
        3.3.1 跟踪置信度与模版更新策略
        3.3.2 全局检测模块
        3.3.3 实验结果分析
    3.4 本章小结
第4章 检测与跟踪算法在ARM平台上的改造与实现
    4.1 Jetson TK1 开发平台介绍
    4.2 物体检测算法
        4.2.1 物体检测算法概述
        4.2.2 基于YOLOv3的物体检测算法
    4.3 ncnn平台介绍
        4.3.1 ncnn框架结构
        4.3.2 ncnn中网络参数和权重文件定义的准则
        4.3.3 ncnn中加速网络层运算的方法介绍
    4.4 检测算法在ARM平台的改造与实现
    4.5 跟踪算法在ARM平台上的改造与实现
    4.6 本章小结
第5章 跟踪算法在GPU上的加速优化与实现
    5.1 跟踪算法的性能瓶颈分析
    5.2 嵌入式平台的NVIDIA GPU模型以及CUDA框架介绍
    5.3 卷积操作介绍
    5.4 卷积操作的加速方法
        5.4.1 在GPU上直接实现卷积操作
        5.4.2 利用大矩阵乘法加速卷积操作
    5.5 不同卷积加速方法在特定平台和特定网络结构上的加速对比
    5.6 使用ncnn在ARM下加速特征提取网络和在GPU下加速特征提取网络的对比
    5.7 本章小结
第6章 基于QT的综合应用程序设计与实现
    6.1 嵌入式图像化应用开发环境Qt
    6.2 基于Qt的物体检测跟踪系统设计与实现
        6.2.1 整体的软件框架设计
        6.2.2 各个模块的详细流程
    6.3 本章小结
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文及参与的科研项目



本文编号：4048782