还剩208页未读，继续阅读
本资源只提供10页预览，全部文档请下载后查看！喜欢就下载吧，查找使用更方便
文本内容:
智能环境下跟踪系统设计Theprojiectofthetrackingsystemundertheintellectenvironment摘要在智能轮椅跟踪运动目标的过程中，为了顺利达到目的需要解决2个问题一是准确的检测到目标的存在并确定其位置，二是根据运动目标的状态确定制定有效的跟踪策略本文针对在智能环境下也就是2个实验室的环境下，以有效的跟踪运动目标为目的，研究工作围绕上述的2个关键问题开展首先需要确定的是在2个实验室和1个走廊的环境中需要的传感器的个数和传感器的类型，以保证运动物体在这这样的环境中可以无死角的被定位，只有这样才能有效的实现跟踪其次是传感器从运动物体接收到的信息能正确的传给智能轮椅，智能轮椅接收后对收到的信息进行处理，从而通过dsp控制电机的转速和电机的转向以实现对运动物体的跟踪然后是硬件和软件问题，正确的硬件连接和合适的算法是保证实现跟踪的关键，在硬件设计中，用protel99正确的绘制电气原理图是一大重点，而软件中，正确的算法是重中之重最后通过控制，实现智能轮椅对运动目标的准确跟踪关键词DSP；智能环境;传感器;跟踪算法AbstractItneedtobeaddressedtwoquestionsininordertosuccessfullyachievethepurposeoftheprocessthatintellectwheelchairtracksmovingtarget:Firstaccuratelydetectthepresenceofthetargetanddetermineitslocationthesecondistodeterminethestrategytodevelopeffectivetrackingofmovingtargetsaccordingtothestate.Inthispaperaintellectenvironmentthatisundertwolaboratoryenvironmentforthepurposeofeffectivelytrackmovingtargetsintheresearchworkaroundtwokeyissuestocarryouttheabove.Firstitneedtodeterminethenumberofsensorsandthetypesintwolaboratoriesandacorridortoensurenodeadofmovingobjectscanbepositionedinsuchanenvironmenttheonlywaytoeffectivelyachievetracking.FollowingthesensorreceivesinformationfromamovingobjecttobeabletopasstheintellectwheelchairthenwheelchairdealsinformationthatitreceivesthusturningtoachievetrackingofmovingobjectsbyDSPmotorspeedcontrolandmotor.Thenthehardwareandsoftwareproblems:hardwareproperlyconnectedandtheappropriatetrackingalgorithmisthekeytoensuretherealizationofthehardwaredesignwithprotel99correctelectricalschematicdrawingisamajorfocusandsoftwarethecorrectprogrammingisheavyintheheavy.Finallycontrolcanachieveintelligentwheelchairforaccuratetrackingofmovingtargets.Keywords:motor;DSP;intellectenvironment;sensor目录摘要IAbstractII第1章引言
21.1研究的目的与意义
21.2研究背景
21.3国内外研究现状
21.4研究方法2第2章智能环境
22.1智能环境的设计
22.
1.1智能环境的特定概念
22.
1.2运动目标的位置坐标
22.
1.3智能环境具体设计2第3章硬件设计
23.1DSP设计
23.
1.1DSP技术简介
23.
1.2DSP的选择
23.
1.3TMS320F2812部分功能介绍
23.
1.4TMS320F2812的最小系统设计
23.2无线传感器简介
23.
2.1无线传感器内部结构
23.
2.2无线传感器的定位跟踪技术
23.
2.3无线传感器的参数设置
23.3有线传感器的设计
23.
3.1有线传感器的介绍
23.
3.2传感器信息采集及处理
23.
3.3有线传感器的设计2第4章算法设计
24.1运动目标跟踪算法分析
24.
1.1波门跟踪算法
24.
1.2光流法
24.
1.3主动轮廓跟踪
24.
1.4KALMAN滤波跟踪
24.
1.5其他跟踪算法
24.
1.6课题的跟踪算法选择
24.2目标模板
24.
2.1目标模板的描述
24.
2.2候选模板的描述
24.
2.3相似性度量24．3实验结果分析24．4改进的MeanShift跟踪算法
24.
4.1核窗口带宽问题
24.
4.2颜色分布问题
24.5改进后的MeanShift算法
24.6改进后MeanShift算法流2第5章结论2参考文献2致谢2第1章引言智能环境是什么呢计算机的出现，人们就努力的让计算机完善到服务于自己，从小型的发展到大型的机器，及未来的广泛覆盖的计算环境；计算机最初是多人使用一台延伸到个人独立使用一台，演化到机器的联合共同服务于人们具有通信功能和计算的信息设备已融入到人们的工作、生活中，人们希望能随心所欲地享用计算和信息服务，智能环境的概念就这么神奇般地产生了智能环境系统有很强的直面交流互动性，人们的日常工作生活状态它都能正确及时地感知到，而且人们能够得到它严谨的服务结果在智能的环境下技术的识别不要人为控制的感知这些都是研究的瓶颈组成智能环境的最关键因素有应用界面舒适、不会泄露隐私、信号稳定、人们愿意与其方便交流.智能环境中的计算组件很复杂，使系统的设计应用带来很多问题的差异化，如果想阻止底层存在的差异化，则须在更高层次上进行抽象和统一，服务描述、注册、查询和调用是自动化流程完成的基础跟踪系统是跟踪监测并测量处于位移物体轨迹参数的系统它的测量对象是处于速度运动的物体跟踪系统能够输出运动目标的位置、姿势、组织构造和指标，这些因素都是导致高测量结果产生的决定性因素传感器的分类不同决定跟踪系统无线电跟踪系统；光学跟踪系统现今信息来源广泛且良好融合，模拟人脑对视觉和听觉信息融合归纳作为基础，研究人员利用音频视频信息的时空相关性和互补性进行另类信息融合跟踪，较好的克服了单模态情况下的不足
[4].
1.1研究的目的与意义当今社会无线通讯技术迎来了高效飞速发展、传感器种类和性能越来越高、网络覆盖、社会迎来了网络主时代，绿色社会号召都推动了低功耗低成本的无线传感器快速发展，也引发了国内外各界的广泛关注无线传感器有无线通信，信号采集，处理的功能；无线传感器节点成本低，体积小，可随意地分布在监测区域，简单方便；它们组成的网络规模大，具有自组织、无线多跳的功能，并且不需要基础设施来支持
[12]无线音频传感器能够做到跟踪目标和确定位置，比如监测到车的驶入要不要为其解除门禁，这样当车辆要通过时能否为它开启门禁，当车所传达的信息允许其进入时，门禁就会在车辆到达之前会自动提前开启，不仅减少了车辆等待时间的环节，同时也给用户带来了便捷，这种装置的功能非常适用于有紧急事件处理的部门（例如医院，消防部门）
[13]智能机器人是人工智能与机器人学的混合交叉的研究范围，而对机器人的智能化控制则是智能化控制的重要应用研究范畴其存在不确定性多重任务性等一些因素这些因素的存在导致移动机器人的系统变得很复杂需要解决这些问题就要有传统控制理论和模型阐述智能环境的实现因素是随着现在的硬件设备越做越小，计算机运算质量的不断增强与运算速度越来越快，空间储存能力也不断的在扩大，无限网络的健全我们认为，把这些智能的电子设备隐藏到角落里，凳子上，饮料上人们所穿戴的鞋帽，还有经常使用的饰品上假设这些如这些硬件、储存的技术均能满足这种变化性较强的趋势，我们自问还有没有全新的应用能展现出来而因为硬件迷你化，然后又有新的应用更替
[14]，人们应该会实现以前实现不了的事情了如果未来生活中都存在这些，而且能给人们的需求做出相应的反映就好比当我们进入了一个空间，这个空间的设施是不是能有什么样的改变，比如说，每天早上起床喝杯热茶，智能系统就会知道当我端起杯子时也想顺便知道各界有什么新闻呢系统把我想知道的新闻呈现在墙壁上，这一系列的动作，是系统对人类需求做出的反应和对策这些东西本该是死的，现在我们却把它变得有生命了，人们所在的空间能够感知到人根据不同的人，空间会随之做出相应的对策，你可能对娱乐性的消息比较中意，我可能对股市跟企业的动态有兴趣所以说，智能设备要有人性化的服务于人类的反映还要有个性化服务智能化控制要解决控制问题，不再受限于传统的自动控制它们是针对复杂的目标、空间的高级控制，其中涵盖了策划、管理、组织、协调、决策、指挥、通信等，怎么才能高质量的模仿人的动作，让智能化控制和运动性控制两者结合根据机器人视觉检测与跟踪的世界模型去建立控制模型解决其中的任务分配，寻找一种既具有检测辨识性能高，而且可以对移动的物体做控制和辨别，并能进行实际应用都是很值得深入研究的
1.2研究背景运动目标物体的追踪一直以来都问题探索的热点在上世纪，人们对图像的处理研究主要集中在单幅图像的处理范围，即使在动态图像中追踪运动目标也具有浓厚的静态图像处理的特点将运动中的目标通过图像显示从而确定具体位置是智能化领域中发展较快的一个应用方向采用计算机技术将其接收到的信号进行处理从而通过智能系统进行控制从而使视频监控系统有更好的鲁棒性与智能性视频的监控系统会关系到图像的处理和分析辨别非人工控制它的用途范围非常广泛，在军事或者民用中都起到了巨大的作用近几年来，随着家居生活的智能化汽车辅助系统以及远程视频会议系统得到很大的发展，智能化的环境下追踪目标问题逐渐成为人机交互领域的关键技术和研究热点
[1]，这种技术在普适计算，智能化会议分析系统以及智能机器人导航等领域中都具有较为广泛的使用
[2]至今说话目标跟踪技术主要以单模态信息的支撑为基础，总结起来可以概括为基于麦克风阵列的声源定位系统以及基于机器视觉的视频跟踪技术
[3]智能化的服务环境是全新的概念和技术，它的提出是为了更好的服务于人类所以除了考虑技术以外的因素还需要考虑人们需要的个性化的、文化的、及法律等方面的因素，这样才能更完整的构建一个人们需要的智能系统环境因此智能化环境所需涉及的相关学科领域较多:1智能落脚点2信息交流3软件设计4视觉传达5机器人专家系统6信息聚合7硬件设计8社会学科8伦理9法律等基于视觉跟踪的巨大利用价值和计算机技术的迅速发展及视觉跟踪技术的强烈需求，欧美等许多国家对于跟踪技术进行了大量的研究中国这种跟踪系统在1986年开始策划并着重研究后来并的得到了好的发展未来前景甚是可观运动行人的检测辨识方面取得了一定的成就视觉跟踪的算法很多样化，即使都能解决人们需求的问题，但是却少了些覆盖性Yizongzheng于1995年在“Meanshiftmodeseekingandclustering”中更深一层拓展了Meanshift的应用范围，在这些基础上，许多的研究人员进行了对这种算法的研究探索
1.3国内外研究现状智能化环境的概念的提出，就是用智能化的设备产生一种空间环境与运动的物体产生联系，通过感知让物与物之间亲密连接，形成互相联系的关系，实现环境和人之间的结合统一通过局域网，把家庭、社区、医疗安全结合起来的智能化系统早已出现了问题，如日本的“未来之家”、HomeLab、Oxygen及OZONE等智能环境
[3]就是某个环境中布置了多个传感器让它去控制感知人们需求并做出相应措施无线传感器网络最早是美国开始研究的
[6]美国国防部远景计划研究局投资几千万美元，助大学生进行无限线传感器的研究美国国家自然基金委员会（NSF）开设了相关的项目，并且在加州大学洛杉矶分校成立了传感器网络研究中心
[7]此外，美国交通部、能源部、美国国家航空航天局也相继启动了相关的研究项目其中较为典型的节点有NEST项目开发的Telos节点、美国DARPA支持下开发的SmartDust和加州大学Berkeley分校的Mica系列节点
[7]
[8]许多国家的研究机构也先后开展了对无线传感器网络的研究欧盟第6个框架计划中将多处涉及对无线传感器网络的研究日本2004年3月成立了“泛在传感器网络”研究会韩国信息通信部制定了信息技术839战略，其中“3”是指IT产业的3大基础设施，都包括无线传感器网络
[9]
[10]我国研究的相对于其他国家比较晚，正式启动于1999年中国科学院《知识创新工程点领域方向研究》的“信息与无线传感器网络的研究项目，2006年，“973”计划，“863”计划都资助了有关无线传感器网络的研究项目
[11]目前国内外研究现状主要可以概括为在视频目标跟踪算法中分为5个这5个分别是1基于对比度分析2基于匹配3核方法4运动检测5其他方法其中在基于匹配这个中又分为特征匹配和贝叶斯跟踪，核方法中包括光流法
1.4研究方法课题的研究在硬件上主要采用DSP2812，开发硬件，准确分配接口方法是模块化的编程及流程图的绘制对考察其实现性做研究，确定可实施的方案第一部分:系统的简介和简单描述，建立数学模型建立控制模型前期运用控制理论建立动态方程第二部分:详细严密的介绍系统各个部分的元件，包括:DSP的系统资源、指令及元件的功能，算法和原理的相关算法作细致说明第三部分是硬件设计，各个供电元件设计，传感器、电机驱动部分与DSP进行整合第四部分是软件设计，通过编程控制物体在智能环境中的运动，然后将收集到的数据和物体的位置坐标都各方面传入传感器并进行分析第五部分如果时间充足就调试机构，用实物元件尝试功能第2章智能环境
2.1智能环境的设计
2.
1.1智能环境的特定概念智能环境的提出是一次创新的行动，多应用于个人方便携带的各个部件功能结合起来的通信结构智能环境的构成包括1只能空间2智能节点3网络节点的分布地方才有智能，所以要有存储和记录这样才能保证它的自主操作，并且和其他智能节点进行协议的联系本人做的这次设计中，智能环境是在一个特定的环境下被设计的这个特殊的环境就是2个实验室和1个走廊，这些地方布置了多个传感器用于接收运动物体发出的信息，所以首先要考虑的是这个智能环境的面积并且需要传感器的类型及个数物体需要定位，无线传感器是最佳选择，无线传感器置于封闭的壳内，使用时通过内部供电，组成节点，独立组织来构成网络接收到的信息通过无线传感器传送到检测中心并进行对策设计也可根据使用者的需要记录时间及过程，倒过来输送也可以数据调理将模块转化并转化为数字传输到处理器进行处理，计算出传感器的有效值，位移值等当然由于我的目的是跟踪，所以必须确定运动物体的位置，测量出它的位移量
2.
1.2运动目标的位置坐标在这个智能环境的设计中，我所选的是2个长4米，宽3米的实验室，走廊的宽度是2米，门的宽度是1米在这样的一个环境中，所需传感器的个数就是关键，用的多了会造成数据，节点的重叠，少了又不能进行无死角的跟踪对于传感器的选择，每个传感器的节点定为一个，多个传感器之间收集数据然后传送给控制芯片确定运动目标的位置是难点，在这里选用的是三边定位方法其原理如图2-1所示，已知节点a、b、c为已知节点，其坐标分别为错误!未找到引用源未知节点为o，其坐标为错误!未找到引用源，而且a、b、c分别到o的距离为错误!未找到引用源故分别以a、b、c为圆心，错误!未找到引用源为半径画圆，三个圆所得的交点为o故可求出X的坐标错误!未找到引用源bc三边定位原理如图2-1所示aobc图2-1三边定位原理图无线传感器在网络中的定位，利用三维法即利用多个节点的坐标和该节点到未知点的距离，联立求解，得到未知节点的坐标2-1上式中，将各行减去最后一行，进行线性交换，得到A×T=B其中2-22-32-4利用最小二乘法，可以得到未知节点的X的位置
2.
1.3智能环境具体设计上述已经分析了运动目标的具体算法，接下来就是确定传感器节点的个数因为假定的是一个传感器有一个节点，所以所需节点数就是所需要的传感器个数假设每个传感器节点所能接收到信号的覆盖半径为2米而传感器节点覆盖的区域可以认为是个三角形，其覆盖的角度为60度，那么一个传感器节点覆盖的面积S=22*sin300*cos300然后知道实验室面积的大小，用拼凑法就可以知道用多少传感器就可以完全覆盖整个实验室经过计算用8个传感器就可以覆盖1个实验室，所以2间实验室一共需要16个，走廊需要3个，因为只有3个才可以用三点定位法计算出运动目标的位置坐标，才能确定其位置所以一共需要19个传感器节点，即用19个传感器这19个传感器的分布范围如图2-2所示智能环境具体设计图2-2所示图2-2智能环境设计图这样的情况下就可以完成对整个环境的覆盖并且可以保证任意一个区域都有3个传感器节点对其覆盖，这样无论运动目标在什么位置都可以通过三点定位原理确定运动目标的位置第3章硬件设计如图所示，本人所做的设计中完成的就是图3-1所示的任务，通过图3-1可以清楚地看到所需要做的东西和控制的内容其中运动目标当做运动的人来模拟，人在实验室行走的过程中会有运动的轨迹和运动的位置坐标，然后传感器将记录下人的一系列的运动的位置坐标，将采集到的信息传给DSP，DSP经过处理然后控制智能轮椅的运动，从而达到跟踪运动目标的目的在这个过程中，硬件的设计主要有2个，1个是DSP的设计，另一个是无线传感器的设计，以下为详细介绍硬件设计图3-1所示图3-1无线传感器的设计
3.1DSP设计
3.
1.1DSP技术简介目前数字信号处理器（DigitalSignalProcessor）已经成为信号处理的主流TMS320系列DSP芯片便宜，用法简单，功能大，使它广受欢迎TMS320芯片运算精度达32比较适合大量数据接收场所如采集数据，自动化，电力电子技术应用，马达伺服控制系统等它的处理质量高，可在单个指令时间完成32*32位的乘法测算，它的时钟频率可高达150MHZ使用灵活，这个处理器集成了128KB的迅速存储器，4KB的引导ROM数字运算表以及2KB的OTPROM，下载不用担心空间问题片上2个管理器模块（EVAEVB）设计用于脉冲宽度调制PWM输出，转速测量，脉宽测量DSP在硬件上有进行哈佛结构的改进，工作不间断，硬件乘法器，广泛处理问题，特殊DSP指令及零开销循环，片内存储器和强大的片内硬件配置，所以它在运算能力上大大超过其他通用存储器长期以来DSP一直被用来快速处理各种复杂的数字信号，如音频，视频，传感器信号，DSP时钟频率的提高，执行周期的缩短，丰富的片内外设和种类多样的片内存储器，使得DSP成为迅速发展的数字信号处理技术与实现之间的一个桥梁，以后DSP会在视频处理，传感器在数据的处理扮演着尤为重要的角色
3.
1.2DSP的选择DSP应用系统的设计，选择DSP芯片起到至关重要的作用选对正确的合适的DSP芯片，就能进行下一步设计来控制电路总而言之，选择DSP要因地制宜根据实际情况不同的空间适合不同的DSP需要的结果不同，选择肯定不同DSP的选择必须考虑的因素有
（1）运算能力有由速度，精度，字长选择和存储性能等是DSP内核性能的最主要体现
（2）开发工具一个复杂的DSP系统，必须与强大的软件和硬件开发工具的支持
（3）DSP芯片价格即使有些DSP性能非常优越，但是其成本高，价格昂贵，在民用产品上不适宜推广
（4）功耗与电源管理因为本设计是小型设计，故需要的是低功耗的DSP芯片综上所述，能满足以上性能并且能实现设计，本人选择的是TMS320C2812芯片TMS320C2812芯片内部结构如图3-2所示图3-2TMS320C2812芯片内部结构框图
3.
1.3TMS320F2812部分功能介绍a.中断与外设由于F2812数字信号处理器集成了许多内核可以访问和控制的外部设备，内核需要通过某种读/写外设因此，处理器将所有的外设都映射到了数据存储器空间每个外设被分配一段相应的地址空间，主要包括配置寄存器，输入寄存器，输出寄存器和状态寄存器每个外设只要通过访问寄存器就可以使用外设通过外设总线连接到CPU内部存储器接口上，如图3-3所示所有的外设包括看门狗与CPU时钟在内，使用之前必须配置相应的控制寄存器TMS3202812的外设框图示3-3逻辑UFC28*CPU+JTAGSAROMFlashROM最多128K16位）P总线接口EVENT管理器EVA和EVBEVASPIADCCANMcBSPWDADC控制中断复位等I/O寄存器存储器接口SCI图3-3TMS3202812的外设框图如下表所示，F2812的CPU中断共有14个屏蔽中断（INT1-INT14和一个不可屏蔽中断NMI在这其中，INT14来自于F2812的32位定时器2这个定时器和CPU的定时器1都是用于实时操作的INT3来自CPU定时器1或外部中断3除此之外的的屏蔽中断都是因为PIEPIE把12个CPU扩展至96个PIE中断，再将这96个PIE中断分成8组，8组中都有12个中断源，向量接收并确定产生中断源CPU就会获得中断向量，结束时，CPU需要9个系统时钟完成中断向量的获取和重要CPU寄存器的保护所以，CPU就会很快的接收到中断的信息下表为TRAP指令引用的中断向量号及赌赢的中断向量的意义，如下表3-1所示表3-1TRAP指令引用中断向量号及赌赢中断向量的意义向量号中断向量向量号中断向量0RESET7INT71INT18INT82INT29INT93INT310INT104INT411INT115INT512INT126INT613INT1314INT1423USER415DLOGINT24USER516RTOSINT25USER617Reserved26USER718NMI27USER819IILLEGAL28USER920USER129USER1021USER230USER1122USER331USER12b.F2812的系统资源与扩展接口DSP处理器TMS320F2812，最高工作频率150MHz；DSP芯片内置18KX16位SRAM4KX16位BOOTROM1KX16位OPTROM;DSP芯片内置128KX16位FLASH；外扩32k×16bit的程序RAM，32k×16bit的数据RAM；监视用LED发光管一个；DSP所有功能引脚引出，176pin；4MB程序、数据寻址空间；I/O输入输出模块―8个LED；SCI模块―RS232通讯接口电路；SPI_DA模块―4路8位串行D/A输出；A/D转换模块―2路12位A/D采样（可扩展到16路）；CAN模块――CAN总线收发器；PWM模块――PWM控制微型直流电机正反转；步进电机支持（选配）；IEEE
1149.1标准JTAG接口；176pin全部功能引脚引出，用户可以扩展使用；RS232标准DB9接口插座；4路D/A输出接口插座；2路A/D输出接口插座；CAN总线接口插座；电机接口支持直流电机、步进电机（选配）；＋5V直流稳压电源c.PWM事件管理器的比较机制能够产生多路PWM的功能EVA的2个通用定时器分别可以产生T1PWM和T2PWM2路波形，并且每个比较单元都能产生一对互补的波形，T1和T2分别能够产生1路PWM波形为了产生PWM信号，EV的定时器周期寄存器可以产生与PWM周期相同的计数周期定时器的比较寄存器可以根据已知的调制信号确定PWM脉冲宽度每个EV的3个全比较单元的每个都可以产生一对具有可编程死区及输出极性的PWM另外，每个EV的2个定时器可以产生2路无死区的PWM输出，因此，EVA和EVB总计可以有16路的PWM信号输出EV输出的每一路PWM，都可以通过编程定时器的计数模式得到对称或非对称的PWM输出，当定时器置于连续增计数模式时，产生非对称PWM波形;当定时器置于连续增/减计数模式时，产生对称PWM波形
3.
1.4TMS320F2812的最小系统设计要使DSP系统能够正常工作，需要具备一些基本结构DSP、电源、RAM、时钟源（晶振）通常把由这些基本器件构成的可以工作的DSP称为DSP最小系统本设计硬件所需的的主要任务是DSP最小系统板硬件设计在TMS320F2812基本特点的基础上，运用DSP技术和硬件电路设计知识进行了DSP最小系统设计，包括电源设计、复位电路设计、时钟电路设计、、JTAG接口设计等本设计使用Protel99se设计电路板，绘制电路原理图a.电源部分设计DSP2812的供电电压是
3.3~
1.8VTSP767D318电源芯片是TI专门针对DSP应用而设计的，为双通道输出的可控电源转换芯片，响应快、失调电压小、单电源供电、双电压输出、静态电流极小、内部含有过热保护电路，具有两个可延时200ms的上电位引脚TPS767D138的两路输出电压为
3.3V和
1.8V，最大输出电流1ATPS767D318的具体硬件设计如图3-4所示，其中的+5V电压为外部电源提供TPS767D318设计原理图示3-4图3-4TPS767D318设计原理图b.复位部分设计对于DSP系统，可靠的系统复位非常重要本最小系统的复位电路如图3-5所示，可以看出这是一个典型复位电路，通过电阻、电容和手动复位开关，可以在电路上电和按压开关时产生复位脉冲复位开关设计原理图示3-5图3-5复位开关设计原理图c.时钟电路部分设计时钟电路是时序逻辑电路最基本的组成部分，须要为其提供时钟源，F2812才能正常工作，F2812内部有倍频的PLL电路，在此我们使能锁相环，并且为了提高系统的抗干扰能力，本文使用30M有源晶振为系统提供时钟信号，通过PLL倍频至150MHz，外部有源时钟电路如图3-6所示时钟电路设计原理图示3-6图3-6时钟电路设计原理图d.JATG部分设计DSP2812支持JTAG边界扫描调试方式，该方法可以在线对程序进行调试，并支持DSP对Flash存储器的在线烧写，这种方式给DSP的电路设计和调试带来了极大的方便JTAG设计原理图如图3-7所示在程序调试时，须要配合CCS编译环境以及XD510/XD560仿真器配合使用JTAG接口电路图示3-7图3-7JTAG接口电路
3.2无线传感器简介
3.
2.1无线传感器内部结构无线传感器内部结构图示3-8定位单元动力单元数据采集单元数据处理单元传感器数模转换器处理器存储器数据传输单元电源发电设备图3-8无线传感器内部结构图无线传感器内部结构总共包含11个部分，定位单元，动力单元，数据采集单元，数据处理单元，传感器模块，ADC模块，处理器部分，存储器部分，数据传输单元，电源部分和发电设备模块其中的数模转换部分和传感器部分是无线传感器内部的核心部分，电源是支撑无线传感器可以正常工作的枢纽，存储器是将采集到的信号存储，处理器是将采集到的信息进行处理，数据处理完成后，由数据传输单元输出
3.
2.2无线传感器的定位跟踪技术目标跟踪问题作为一个科学技术发展的方向，最早可以追溯到二战时期第一部雷达跟踪站之后，随着无线传感器技术的迅速发展，基于雷达，激光，卫星等目标跟踪系统不断出现并趋于完善，目标跟踪理论和方法得到了很大的发展随着无线传感器网络技术的发展，如何在无线传感器环境下实现目标跟踪已经成为了目标跟踪的重要的研究方向无线传感器的目标跟踪研究是作为交叉学科出现的，它所设计的方面包括信号处理，控制，网络构架，分布式计算及最优方案等传统的单目标，多目标跟踪技术已经日渐成熟，逐步发展成为一套比较完整的理论，包括目标建模，滤波算法，数据关联等无线传感器网络的目标跟踪系统的最大特点就是就是由很多探测节点组成，为了节能，WSN节点只能得到精度不高的探测结果，为此需要在特定目标区域内节点间通过协作信号的处理实现目标初步定位，然后向数据处理中心发送目标位置信息，在数据处理中心，执行比较复杂的目标状态估计算法得到运动目标的速度等信息据此可推断目标将要到达的区域，通过节点激活协议，启动预测区域内的节点参与目标跟踪与传统的目标跟踪相比，基于无线传感器目标跟踪的技术具有以下特点
（1）跟踪精度高
（2）跟踪更可靠
（3）跟踪更及时
（4）跟踪隐蔽性
（5）低功耗低成本无线传感器节点体系结构图示3-9电源模块传感模块处理模块通信模块可选模块传感器A/D转换CPU存储器无线通信串口通信定位跟踪系统图3-9无线传感器节点体系结构图
3.
2.3无线传感器的参数设置表3-2无线传感器的参数
3.3有线传感器的设计
3.
3.1有线传感器的介绍对于无线传感器，由于其不能在硬件上与DSP连接，只能通过无线网络与DSP进行信息传递，所以本课题主要介绍使用有线传感器进行信息的采集及处理，传感器依据不同条件有多种不同的分类方式，常见的有以下几种电阻式传感器，变频功率传感器，称重传感器，电阻应变式传感器，压阻式传感器，热电阻传感器，激光传感器，霍尔传感器，温度传感器，无线温度传感器，智能传感器，光敏传感器位移传感器压力传感器等传感器的数据采集及信息处理技术在实际生活生产中扮演者桥梁的作用，在本课题的设计中，DSP2812通过光耦隔离和ADC模块将将信息传给传感器，传感器再将采集到的信息处理即可由于受到外力作用，基片会产生形变，造成各电阻值发生变化，电桥就产生不平衡的输出用作压阻式传感器的基片材料主要为硅片和锗片，硅片为敏感材料而制成的硅压阻传感器在生活中扮演着越来越重要的角色，特别是以测量压力和速度的固态压阻式传感器的应用最多进行温度测量的热电阻大都由纯金属材料制成，是根据热金属导体的电阻值随温度的增加而增加这一特性来进行温度测量的，目前用的最多的是铂和铜，此外，现在开始采用镍、锰和铑等材料来制造热电阻位移传感器又被称作线性传感器，它是将位移转换成电量的传感器对于金属感应的线性器件，位移传感器的作用是把各种被测物理量转换成电量它分为电感式位移传感器，霍尔式位移传感器，电容式位移传感器，超声波式位移传感器，光电式位移传感器在这种转换过程中有许多物理量（如压力、加速度等），所以常常需要先转换为位移，之后再将位移变换成电量因此在基本传感器里，位移传感器是非常重要的在日常生活中，位移的测量一般分为测量实物尺寸和机械位移两种机械位移包括线位移和角位移最常用的位移传感器主要是模拟式结构型，其中电位器式位移、电感式位移、电容式位移、电涡流式位移、霍尔式位移等都越来越被熟知将信号直接送入计算机系统是数字位移传感器的重要优点之一，其发展迅速，应用也日趋广泛
3.
3.2传感器信息采集及处理作为信息科学的一个重要分支，数据采集技术DataAcquisition主要研究信息数据的采集、处理及控制等作业其数据的测量与控制问题大量出现在智能仪器、信号处理以及工业控制等领域它可将压力、流量、角度、位移以及温度等模拟量（AnalogSignal）转换为数字信号（DigitalSignal）然后收集到计算机进予以显示、处理、传输与记录这一过程，这个过程称为“数据采集”它对应的系统即为数据采集系统（DataAcquisitionSystem简称DAS）而对于基于传感器信息的采集技术现在有了很大的发展，随着人们对信息融合及处理问题认识的不断深入和应用的逐渐广泛，信息融合的层次定义也在不断发展和完善.多源信息融合与处理的模型涵盖了多个层次的、多个环节的功能模块，依照数据的抽象层次划分，这功能可分成低级处理和高级处理过程信息探测、数据关联，目标状态的估计及属性分类等模块都属于低级处理过程；高级处理过程主要有行为模式检测、目标身份预估、行为检测、逻辑推理、态势与威胁评估等功能模块低级处理主要是数据处理，数值结果是主要产生的；高级处理主要是符号逻辑处理，产生的是语义层次更高的结果一个完整的信息融合流程有可能会涉及到不止一个处理过程，这其中每个处理过程可能又会涉及到多种融合算法通过几十年的理论研究和实践检验，近百个较为成熟的信息融合算法被人们整理出，常用的有加权平均法、贝叶斯网络、卡尔曼滤波、聚类分析、表决法、模板法、神经网络等不同的感知环境有不同的信息融合算法，有时也可以综合运用多种算法，将模糊数学、进化计算、神经网络、小波变换、专家系统等智能技术有效地结合起来，以后也是发展的热门由于较强的自适应能力和自学习能力，神经网络在环境的变化方面具有泛化能力强、稳定性高、高效迅速等优势，但它采用的是典型的黑箱学习模式，当学习完成后，神经网络所获得的输Ⅳ输出关系无法以人容易认读的方式表示出来，不便于用户对数据处理模型的学习和改进模糊集合理论是建立在被广泛接受的产生式规则“if…then…”表达方式之上，但如何确定和调整隶属度函数和模糊规则比较困难若将神经网络技术和模糊集合理论相结合起来，使用神经网络来实现系统的模糊逻辑推理，让原本的神经网络没有明确物理含义的权值被赋予了模糊逻辑中推理参数的物理含义，系统的学习能力和表达能力被很大提高，克服自身的不足，充分发挥了其准确快速的特点
3.
3.3有线传感器的设计有线传感器与DSP接口框图示3-10图3-10有线传感器与DSP接口框图说明由于本课题需要19个传感器，所以需要19个这样的电路图，在此不一一列出如上图所示，6N137光耦合器是一种高速光耦合器，用于单通道它的内部是由一个850nm波长AlGaAsLED和一个集成检测器构成，其中检测器包含一个光敏二极管、高增益线性运放与一个肖特基钳位的三极管可以有效的补偿温度、电流和电压，高的输入输出隔离，LSTTL/TTL兼容，高速典型为10MBd，非常小的输入电流，大约为5mA其特性为
①转换速率高达10MBit/s;
②摆率高达10kV/us;
③扇出系数为8;
④逻辑电平输出;
⑤集电极开路输出;6N137的结构原理如图所示，信号从脚2和脚3输入后，发光二极管就会发光，经片内光通道传送到光敏二极管，反向偏置的光敏管导通后，经电流-电压转换后送到与门的其中一个输入端，与门的另外一个输入端为使能端，当使能端为1（高电平）时与门输出1，经输出三极管反向后光电隔离器输出0（低电平）当输入信号电流小于触发阈值或使能端为0时，输出1，但这个逻辑是在集电极开路的条件下用的6N137结构原理图示3-11图3-116N137结构原理图传感器设计中另一个重要的模块是模数转换器即A/D转换器，或简称ADCTMS320f2812的ADC模块是一个具有12位分辨率，具有流水线结构的模数转换器，流水线ADC也称为分级型ADC，这种流水线结构的ADC通常最高只能达到14bitADC时钟可以配置为
12.5MSPS，用TMS320F2812搭建数据采集系统时，不必外接ADC，避免了复杂的硬件设计由于ADC可以直接对0-3V电压范围采样，也可以经过信号调理后对峰值不超过3V的双极型模拟信号进行采样先把被测信号用示波器或其他方法判断其极性和幅值范围若为单极性信号则断开偏置电路，双极性时连接到电路上调节电压范围为0-3V由于DSP2812中自带ADC转换模块，所以本课题不需要选用别的ADC第4章算法设计
4.1运动目标跟踪算法分析在过去几年中，已经出现了多种不同的目标跟踪算法这些方法总结起来可以归纳为2类
（1）基于运动的方法主要依据一种稳健的方法，把一段时间内具有运动性一致的点归为一类，如特征点法和光流法
（2）基于模型的方法主要依据高层的知识描述和语义表示，计算量相对较大，如模板匹配法，活动轮廓法和图像分割法目标跟踪算法的关键是找到一种表征目标的方法本章首先对几种常用的目标跟踪方法进行简单介绍，然后找出一种适用于智能环境下的目标跟踪算法
4.
1.1波门跟踪算法波门跟踪需要自主设计一个波门，波门的尺寸要略大于目标图像，并且要使波门紧紧套住目标图像，这样才能使目标不受波门外的环境和噪声的干扰波门跟踪可分为自适应式和固定式，前者是在跟踪目标的过程中，波门的随着目标的改变而改变，后者是在跟踪的过程中，波门的大小始终不变当目标由远及近变大时，或由于目标姿态的变化变化导致投影形状的大小发生改变时，都要求跟踪波门也要随之变化波门跟踪算法可分为边缘跟踪算法，双边缘跟踪算法，区域平衡跟踪算法和矩心跟踪算法1．边缘跟踪算法边缘跟踪算法是一种很简便的算法边缘是图像最基本的特征，是图像中灰度发生急剧变化的区域边界可以用梯度算子，拉普拉斯算子，Sboel算子等来检测目标图像的边缘通过计算过零点就可以找到图像的边界这样就可以选中目标的上﹑下﹑左﹑右等边界中的其中一个作为跟踪点，使波门套住其中的一个，以此抑制目标的其他部分波门跟踪算法的缺点是易受干扰，跟踪精度较低2．双边缘跟踪算法双边缘跟踪算法是边缘跟踪算法的一种特殊改进的算法，即目标位置为2个边缘的中心，该算法跟踪精度较高，适用于比较对称的跟踪目标3．波门内目标面积平衡法以跟踪波门的中心线为基准，可将目标分成4个象限或者2对象限，然后求每对象限内的图像的面积如果目标在波门中心线，那么波门中心线上下和左右两侧的图像面积相等，否则不平衡不平衡所产生的误差信号用来调整波门的位置，这种介于平衡和不平衡的交替过程直到目标充满跟踪窗时结束为了使图像的面积平衡，波门需要不断地调整中心线的位置，这样就会造成算法的不稳定，从而使精度和事件响应指标变差4．基于分割的矩心跟踪算法基于自适应分割算法是以自适应阈值分割图像预处理为基础确定目标中心位置的算法首先需要计算波门内图像的自适应阈值T然后用T对目标图像进行分割矩心跟踪算法计算相对简单，精度较高，但容易受目标的剧烈运动或者目标被遮住的影响，造成目标丢失
4.
1.2光流法光流是一种简单实用的图像运动的表达方式，通常定义为一个图像序列中的图像亮度模式的表观运动，就是空间内物体表面上的点的运动速度在视觉传感器的成像平面上的表达，得出结论光是呈几何的变化1998年Negahdaripour将光流重新定义为动态图像的几何变化和辐射度变化的全面表示光流的研究是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即研究图像灰度在时间上的变化与景象中物体结构及其运动的关系一般情况下，光流由相机运动、场景中目标运动或两者的共同运动产生的相对运动引起的光流计算方法大致可分为三类基于匹配的方法、频域的方法和梯度的方法
（1）基于匹配的光流计算方法包括基于特征和基于区域两种基于特征的方法不断地对目标主要特征进行定位和跟踪，对大目标的运动和亮度变化具有鲁棒性存在的问题是光流通常很稀疏，而且特征提取和精确匹配也十分困难基于区域的方法先对类似的区域进行定位，然后通过相似区域的位移计算光流这种方法在视频编码中得到了广泛的应用然而，它计算的光流仍不稠密
（2）基于频域的方法，也称为基于能量的方法，利用速度可调的滤波组输出频率或相位信息虽然能获得高精度的初始光流估计，但往往涉及复杂的计算另外，进行可靠性评价也十分困难
（3）基于梯度的方法利用图像序列亮度的时空微分计算2D速度场（光流）由于计算简单和较好的效果，基于梯度的方法得到了广泛的研究虽然很多基于梯度的光流估计方法取得了较好的光流估计，但由于在计算光流时涉及到可调参数的人工选取、可靠性评价因子的选择困难，以及预处理对光流计算结果的影响，少量帧中噪声的存在以及图像采集地过程中形成的频谱混叠都将严重影响基于梯度的方法的结果精度光流法可以计算所有图像中发生运动物体的光流失量，这为目标分割提供了可能，但是计算量太大，不利于实时性的实现
4.
1.3主动轮廓跟踪主动轮廓模型方法是近些年来发展比较快的一类轮廓匹配跟踪方法Michael等人在1988年提出了主动轮廓模型ActivecontourmodelsACM的概念，即为Snake模型该模型是指在目标区域内定义的一组可以发生形变的曲线，通过不断求解其能量函数最小化的过程，使得该曲线不断调整自身的形状，最终和目标区域的轮廓相一致，该曲线称为Snake曲线Snake模型的运算主要是基于Snake曲线能量的，其运算过程实质是求解其能量极小化的样条函数SplineFunction，Snake曲线的形状是受到内力所约束的，而运动则是被外力所引导的，因此，使用Snake模型方法可以较为准确地跟踪目标的轮廓该方法的基本思想是用一组封闭的轮廓曲线来表征目标，即将曲线作为模板，在相邻帧的边缘图像中匹配并且跟踪该模板该方法与基于区域的跟踪方法相类似，都存在目标模板匹配和目标模板更新这两个环节，但是此方法是在二维化图像中匹配目标的轮廓模板，大大减少了计算量，提高了匹配的速度
4.
1.4KALMAN滤波跟踪通常在理想的情况下，跟踪算法对目标的搜索匹配过程是在下一帧图像的全帧范围内进行的这种搜索方法的准确性非常高，但如果监控场景比较复杂的话，全局搜索的运算会花费大量的时间因此在实际应用中，特别是DSP嵌入式平台的应用中，为了加快算法的执行速度，多采用局部搜索的匹配方式但是如果目标运动速度过快的话，这种局部搜索的方法同样也存在着一些问题如果目标在下一帧图像中的位置没有离开既定的搜索范围，采用局部搜索法必然能够检测并匹配目标；如果目标的速度过快，目标在下一帧图像中的位置已经不在既定的搜索范围内，这时如果仍然采用局部搜索法，必然会导致搜索匹配的失败针对这一问题，利用KALMAN滤波器先对目标在相邻帧图像中可能出现的位置进行预测，然后再实现目标的搜索匹配和跟踪KALMAN滤波器在运动目标跟踪领域应用广泛我们可以把对目标的跟踪过程看作是一个预测和更新的过程在对目标的跟踪过程中，由于目标的状态参数在不断地变化，因此，跟踪算法需要不断地更新目标的属性参数把KALMAN滤波器应用于目标参数的更新过程，不但可以降低噪声的影响，而且获取目标属性参数的过程也可以把KALMAN滤波器的预测值做为指导，从而减小了获取目标属性参数过程的时间目标的运动模型可以认为是匀速模型、匀加速模型或变加速模型但是在实际的视频监控系统中，视频图像的采集速度非常快25帧/秒或30帧/秒目标在相邻两帧图像的运动可以看作是匀速运动，因此可以采用匀速模型描述目标的运动，将KALMAN滤波器应用于运动目标的跟踪
4.
1.5其他跟踪算法1．多功能跟踪算法多功能跟踪算法包括多特征跟踪和多模跟踪，多特征跟踪是利用多维特征函数多目标图像对目标图像进行分割，提取出其多维特征，从而形成一维统计空间运用软件复合的方法将多种跟踪方式融合于一种跟踪方式中多模式跟踪采用不同跟踪算法的多个跟踪器同时工作，按照各自的图像分割方法分离出背景与目标，选取目标的特征，并输出目标跟踪信息由一个主控机进行信息融合，依据各自的置信度来选择性跟踪信号，让每个跟踪器能够协同工作，这样就可以提高跟踪概率多模式跟踪的特点是自适应能力强，抗干扰性能好，具有锁定目标短暂丢失后的再捕获能力缺点是硬件设计较为复杂与多模式跟踪相比，多特征跟踪的跟踪速度和抗干扰性较差2．智能跟踪法目前智能跟踪算法应用较多的主要有神经网络跟踪算法与模糊与神经网络相结合的跟踪算法这种算法充分利用了神经网络的大规模的并行处理，分布式信息处理及良好的训练，学习能力其理论上还不成熟，是今后的研究热点，本课题所设计的只是对单目标进行跟踪
4.
1.6课题的跟踪算法选择在上述提到的算法中，每个算法都有他们的优势和不足，本课题采用Meanshift算法来实现运动目标的跟踪Meanshift于1975年被Fukunaga等人提出，概率密度梯度函数的估计从此有了理论基础由最初所指的偏移均值向量变成了一种算法，当然这些都是因为Meanshift理论的迅猛发展Meanshift算法就好比一个接力赛，所重复的是一个接力过程，首先计算出该位置的成绩，这次的成绩为偏移均值，就如同接力赛的第一步以此为新起始点进行下一个接力棒的传送直到跨过终点的红绸带后停止但是后来，我们忽略了Meanshift，直到1995年，关于Meanshift的文献出现才被重视在这篇重要的文献中，YizongCheng很好的对Meanshift算法做出了阐述，使其不仅仅是一个纯粹计算均值偏移的算法，更是提出了这种算法可以很好的对非钢体物体的运动进行实时的跟踪，这为Meanshift之后的发展提供了强有力的理论基础作为一种半自动跟踪算法，基于Meanshift的目标跟踪算法需要进行初始化设置，位置为起始帧现要用鼠标选中所要跟踪的目标区域，这个选中的区域也是核函数要作用的区域这个区域的在大小上和窗口半径h是一致的，对目标模型的概述可以总结为对在目标区域内的像素点，计算特征空间中每个特征值概率在后续的每帧中也许存在目标候选区域，对其特征空间内每个特征值的计算称为候选模板的描述初始帧目标模型和当前帧（后文指的是第八帧）候选模型BH系数来度量的这个向量的起点是初始位置，终点是正确位置，向量的方向就是移动的方向Meanshif的收敛特性最终会使目标趋于一个稳定的真实位置，从而达到跟踪的目的接下来通过图示MeanShift跟踪算法基本原理的解释如图4-1所示，目标跟踪起始于数据点空心圆点...表示的是中心点，上标表示的是的迭代次数，周围的黑色圆点表示不断移动中的窗口样本点，虚线圆圈代表的是密度估计窗口的大小）箭头表示样本点相对于核函数中心点的漂移向量，平均的漂移向量会指向样本点最密集的方向，也就是梯度方向因为Meanshift算法是收敛的因此在当前帧中通过反复迭代搜索特征空间中样本点最密集的区域，搜索点沿着样本点密度增加的方向“漂移”到局部密度极大点，也就是被认为的目标位置从而达到跟踪的目的，MeanShift跟踪过程结束MeanShift跟踪算法的基本原理图示4-1图4-1Meanshift跟踪算法的基本原理
4.2目标模板
4.
2.1目标模板的描述刚开始用鼠标选中运动物体的初始区域对选中的目标区域采用RGB颜色空间得到颜色直方图，令R，G，B为三个子特征空间这样，其中任意一个子空间就有16份，子特征值就是这么由来的，整个特征空间的特征值就是由所有子空间的子特征值组成的，共有==4096用下面的式子表示概率估计密度=-（4-1）上式中，表示原点为目标中心，核函数用K表示，处象素颜色值是，直方图的颜色索引则用代表，l~是它的范围为Kroneckerdelta函数，作用是判断目标区域中像素的颜色值是否属于第个单元的颜色索引值，等于为1，否则为0C为归一化系数（4-2）
4.
2.2候选模板的描述由于运动的物体在第二帧之后的每个帧中都有可能包含一个区域，故也称这个区域为候选区域简单的说就是当帧数为8时，那么在第7帧目标位置为，则需要计算第8帧的候选目标区域直方图（以为搜索窗口中心坐标）用{}表示候选区域中的像素，目标候选模板的概念是什么简单的说就是描述候选区域，那么候选模板的概率密度怎么表示呢？如下式（4-3）其中，为核窗宽，决定着权重的分布为区域中心点的位置，为当前区域中的样本点
4.
2.3相似性度量要使用均值漂移算法，则需要引入了BH系数这个概念用什么来作为目标模板和候选目标区域对应的直方图之间相似性的指标，就用BH参数只有使2个直方图的相似性最大，目标的真实位置就是从探索窗口沿着最大密度方向移动得到的目标模板为，表示候选目标模板，之间是它的取值范围，越小，则说明两个模板越不相似=（4-4）怎么样使达到最大呢？如上所说，将第8帧的目标中心先定位为第7帧中目标中心的位置，从开始查找最优匹配的目标BH系数具有明确的几何意义，为使和都是密度函数，满足因此，和都是单位球面向量，式
3.13表示的是两向量夹角的余弦值当其夹角越大，余弦值越小，相似度越小当夹角为90度时，相似度则为0使用传统的均值漂移算法对目标实施跟踪，首先是对目标跟踪的初始化，可通过目标检测方法得到需要跟踪的初始目标的外接矩形框，也可以通过鼠标手工选取的方式本文通过手动选取的方式用鼠标选定跟踪目标区域直方图分布是通过算核函数加权下的搜索窗口得到的，以此类推，计算第N帧；以2个目标模板最相似为原则，移动的方向是搜索窗口沿密度上升最快的，才能获得运动物体（本课题特指人的真实位置Meanshift跟踪算法具体分为下面几条
①计算目标模板的概率密度，目标被估计位置与核窗宽；
②用初始化（课题所提都是第8帧的目标位置，候选目标模板计算公式为；
③用计算权重的方法计算当前窗口内各点的权重值；
④计算目标的新位置（4-5）由于本课题都采用Epanechnikov核函数来计算因此，上面的式子也可表示为（4-6）
⑤if则停止，otherwise，，则重复步骤
①4．3实验结果分析选取一段背景简单的视频序列进行跟踪测试80帧是所有的序列，分辨率为300*220，15f/s的帧率实验的运行环境为matlab
7.
0.4，实验中初始目标通过鼠标选取，采用量化等级为16*16*16的RGB颜色特征要使和的距离比1个像素间距要小，阈值必须恰当此外，在本文的程序中将限制整个迭代过程执行的次数在20次以内用传统的均值漂移算法进行跟踪，取得了不错的跟踪效果，但是有一定的缺陷，首先在跟踪的精度方面，由于算法存在缺陷，所以导致跟踪精度和准确性偏差其次这样的跟踪是在运动目标没有被遮挡住没有外在的物体对它进行干扰的情况下进行的，所以代表性不足，也没有对任何条件下都适应的方法最后目标假设的情况是自身的条件不变，但是这是理想条件下，如果目标自身发生变化，要再进行跟踪这是很困难的4．4改进的MeanShift跟踪算法作为一个无参数密度估计算法，Meanshift算法可以结合其他算法来实现跟踪因为这一优势，很多人就将它与其它算法放到一起去研究，例如卡尔曼滤波，粒子滤波相结合的讨论与开发中事实上，MeanShift算法本身在初始值的选取，模板更新问题等方面还存在一些值得改进和提高的地方因此，本课题还是要以传统MeanShift目标跟踪算法为基础，然后逐渐深入，通过对它本身不足的认识，来尝试用一个改善的跟踪算法，即计算质心在每个区域中的位置解决了传统的MeanShift算法不能表示空间位置信息的不足，从而有效的提高了背景复杂等情况下跟踪过程的鲁棒性与实时性期望得到的是改进后的算法要比传统的Meanshift算法更可靠更准确传统MeanShift算法存在的问题MeanShift算法作为一种基于特征的跟踪方法，基本思想是通过反复迭代搜索特征空间中样本点最密集的区域，搜索点沿着样本点密度增加的方向“漂移”到局部密度极大点这种通过有限次迭代得到目标位置的方法，有计算量比较小的优点，如果目标区域已知，可以做到实施跟踪但是它也不可避免的存在一些问题，具体分析如下
4.
4.1核窗口带宽问题传统的Meanshift算法中和候选目标模板和目标模板对应直方图之间有多少相似是用BH系数来表示的越大，表示两个模型越相似怎么使达到最大，方法就是将第8帧的目标中心先定位为第7帧中目标中心的位置，从开始查找最可靠最适合的目标通过对BH系数的计算公式4-4在处泰勒展开，可得（4-7）根据泰勒展开的原理，如果目标的运动速度太大，就会导致目标的新位置点与老位置点相距离过大，那么这2个点就不能称为邻域，就不满足泰勒订定理了，如果此时依旧用Meanshift算法来实现，那么效果可想而知是非常糟糕的且由上面的式子中可知道核函数的带宽出运动的物体能够被精确快速定位的最大区域因此，如果连续两帧中目标中心的移动超过的范围，Meanshift向量就不再与目标本身有关，跟踪往往也会失败
4.
4.2颜色分布问题在传统Meanshift跟踪算法中，通常采用图像的RGB颜色直方图作为整个搜索匹配的特征空间采用颜色直方图有一定的优点也有明显的不足，优点是可以看出每个颜色出现的概率，从中可以看到颜色的分布不足就是像素点的位置等信息无法被体现出来这样在背景复杂，发生光照变化等情况下跟踪目标容易丢失为了提高跟踪过程的准确性，就要搜索目标模板与候选目标模板之间的最大匹配度，即使的值最大从式4-7中看出，只有第二项随着变化所以为了得到更高的模板匹配度只要使第二项的值最大即可第二项是在有权值时的概率密度估计，其中，所以，让最大只要使与的比率最大或的值较小即可因为代表的是初始目标模板的颜色概率密度值，而代表的是候选目标模板的颜色概率密度值因此与v比率最大的情况也可能发生在相关颜色像素点发生遮挡等情况下而的值较小可能发生在当前帧颜色单元比起初始状态更远离核函数的中心点的情况下所以，在MeanShift算法中，当出现如下两种情况时，MeanShift向量会沿着次要颜色单元像素数增加的方向移动这里次要颜色指的是非跟踪目标的颜色值，因为在初始目标选取过程中，不可避免的会加入一些背景颜色信息，这些背景颜色信息就称为次要颜色；主要颜色是指跟踪目标所包含的颜色，从而导致跟踪失败
①次要颜色单元中像素数减少的比率大于主要颜色单元中像素数减少的比率
②主要颜色单元的像素数比次要颜色单元的像素数更远离核函数中心点具体证明过程如下首先设在颜色索引值和处的初始模板分别为和，目标发生移动后的候选模板分别为和假设像素数仅在颜色索引值和处因为目标的移动而减小用公式表示即为，BH系数的计算公式已由式4-7给出那么当候选目标模板或者内的像素值在某一刻增加时，用BH系数就表示为（4-8）式4-8分别表示颜色索引值为1和m的候选目标模板像素数增加后BH系数的表达形式当次要颜色单元中的像素数相比于主要颜色单元的像素数而言，以较大的比率减少时，用公式表达即为（4-9）将泰勒展开得到（4-10）将泰勒展开得到（4-11）由式
4.
9、式
4.10和式
4.11，可以得到如下结论（4-12）整理可得（4-13）其中，为一个非负的常数当//时，式4-8上部的值大于式4-8下部公式值由此证实当次要颜色单元中像素数减少的比率大于主要颜色单元中像素数减少的比率时，MeanShift向量会沿着次要颜色单元像素数增加的方向移动因为背景颜色会充斥着目标模板，所以目标模板和跟踪目标在颜色方面会出现相互重叠的情况，这样就会造成跟踪混乱，最终而失败
4.5改进后的MeanShift算法根据上面说到的传统的方法上的劣势和不足，在这里提出了改进后的跟踪算法这种方法就是计算跟踪区域内的每个颜色的质心的位置，然后就可以确定目标模板中心的位置顾名思义，这样就有了质心的颜色分布的信息，与传统的相比，改进后的算法就不会造成信息的丢失和重叠，不会导致跟踪的失败也就是说，本文通过计算每个颜色单元的质心位置，考虑到其空间分布，这样就会有效避免出现跟踪失败的情况对每一个颜色质心点的计算如下（4-14）被用于表示每个颜色单元的质心第帧图像序列用n表示被用于表示目标区域内每一个像素点的位置为Kroneckerdelta函数表示处象素的颜色值直方图的颜色索引用来代表，范围是l~判断目标区域中像素的颜色值是否属于第个单元的颜色索引值是根据公式判断的，等于为1，否则为0在每一个颜色单元nik的质心被算出来后，然后就是找到跟踪目标在当前帧（本课题用第8帧表示）中心点的位置（4-15）这里表示权重（4-16）其中，是背景权重函数，it和ib分别表示初始目标区域颜色单元内第个像素点在目标和背景中的概率密度值（4-17）由于背景颜色的权重低于目标颜色的权重，即便是在背景颜色和目标颜色相似时，用改进后的MeanShift算法来跟踪目标会显著提高跟踪过程的准确性和稳定性在下一帧中，目标位置中心点的计算如下所示（4-18）是在下一帧中属于目标颜色单元像素点的质心，通过一步计算直接可以得出因此，漂移向量从当前帧位置到下一帧位置的移动矢量计算如下（4-19）改进后的MeanShift算法具有如下优点
①利用每个颜色单元的均值，代替了传统MeanShift算法利用每个颜色点进行模板选择时可能引起的跟踪漂移现象，提高了跟踪过程的鲁棒性
②对于后面帧的计算是不需要用传统的迭代的方法的，是可以一蹴而就的，这就省掉了大量的计算，提高了快速性和实时性视频序列读取完毕读取视屏序列结束计算出每一个颜色单元的质心计算跟踪目标下一个中心点的位置更新目标中心点的位置输出跟踪框获取初始帧计算初始化目标中心位置获取下一帧计算权值NY
4.6改进后MeanShift算法流程图设计好程序框图后，接下来就是编写实现meanshift图像跟踪系统的matlab程序，以下为meanshift图像跟踪系统的完整matlab程序=read_seqim50;任意读取一帧图像figure1imshowI0;原图像显示=doubleI0;figure2histI0300;原图像直方图显示T1=50;T2=200;观察并找出阈值fori=1:200Length=100;场地空间，单位米Width=100;场地空间，单位米dfunctionmain=50;目标离观测站50米以内都能探测到，反之则不能Node_number=6;观测站的个数fori=1:Node_number观测站的位置初始化，这里位置是随机给定的Nodei.x=Width*rand;Nodei.y=Length*rand;EndTarget.x=Width*rand;Target.y=Length*rand;观测站探测目标X=[];fori=1:Node_numberifDISTNodeiTarget=dX=[X;Nodei.xNodei.y];endendN=sizeX1;探测到目标的观测站个数Est_Target.x=sumX:1/N;目标估计位置xEst_Target.y=sumX:2/N;目标估计位置yError_Dist=DISTEst_TargetTarget目标真实位置与估计位置的偏差距离holdon;boxon;axis
[01000100];输出图形的框架fori=1:Node_numberh1=plotNodei.xNodei.ykoMarkerFacegMarkerSize10;textNodei.x+2Nodei.y[Nodenum2stri];endh2=plotTarget.xTarget.yk^MarkerFacebMarkerSize10;h3=plotEst_Target.xEst_Target.yksMarkerFacerMarkerSize10;line[Target.xEst_Target.x][Target.yEst_Target.y]Colork;circleTarget.xTarget.yd;legend[h1h2h3]ObservationStationTargetPostionEstimatePostion;xlabel[error=num2strError_Dist]I=read_seqimi;M=doubleI;form=1:272forn=1:512ifMmn=T1Mmn=T2Mmn=1;设置背景灰度elseMmn=0;设置目标灰度endendEnd图像的分割和阈值处理X=0;Y=0;X1=0;Y1=0;PINJUN=0;PINJUN1=0;form=1:272forn=1:512x=m*Mmn;y=n*Mmn;pinjun=Mmn;X=X+x;Y=Y+y;PINJUN=PINJUN+pinjun;endX1=X1+X;Y1=Y1+Y;PINJUN1=PINJUN1+PINJUN;endXmean=X1/PINJUN1;Ymean=Y1/PINJUN1;Xmean=Xmean*100-modXmean*100100/100;Ymean=Ymean*100-modYmean*100100100;End跟踪误差结果分析图示4-1图4-1跟踪误差分析图小结由误差分析图可看出，均值漂移也即MeanShift算法对实际值和理论值之间的误差会产生减小的作用，中间部分的误差出现波动，随着时间的推移，误差的大小趋于稳定，通过将改进后的MeanShift算法与子模板更新策略相结合的方法，提高了算法的鲁棒性实际上，开发真正的视频目标跟踪软件及硬件系统的工作是必要的，具有重要的现实意义，这方面的研究工作将大大促进目标跟踪技术从理论研究到实际工程应用的转化第5章结论智能环境的问题是近年来的热点问题之一，本文首先对智能环境进行了设计，构造出可以让智能轮椅在运动中被实时监控到的实验室环境传感器的安装即数量也是课题的一大重点其次，对于DSP的设计也是能够实现跟踪的重中之重，包括用protel99对DSP2812的最小系统的电气原理图的绘制即DSP某些关键技术运动目标跟踪算法的选择将直接影响着运动目标跟踪过程的实时性和鲁棒性，因此对运动目标跟踪理论的研究己经进行了许多年，怎么增强跟踪过程中的实时性和鲁棒性，仍然是计算机视觉领域的热点研究问题由于运动中的目标被其它物体遮挡的问题、光线及场景变化以及实时性的要求等，使得对运动目标进行实时检测与跟踪变得更加困难本文在传统MeanShift算法的基础上提出了对它的改进方法，通过计算跟踪目标区域内每个颜色的质心位置来确定候选目标模板中心点的位置比起传统Meanshif算法而言，改进后的MeanShift算法包含了颜色分布的空间信息，很大的改进了传统MeanShift算法中没有像素点所在空间位置信息的缺乏，通过子模板更新策略有效解决了使用单一固定目标模板时可能引起的跟踪偏离真实目标的情况并将改进后MeanShift算法与子模板更新策略相结合，进一步提高了跟踪过程的鲁棒性和实时性最后成功的设计出硬件和软件的步骤，使得课题成功的进行参考文献
[1]T.ShivappaM.TrivediD.Rao.Audio-visualInformationFusionInHumanComputerInterfacesandIntelligentEnvieronments:Asurvey[J]IEEEProceedings20119810:1680-
1691.
[2]MaximoCobosJoseJ.LopezDavidMartinezTwo-microphonemulti-speallocalizationbasedOnaLaplacianMixtureModel[J].DigitalSignalProcessin2011211:66-
76.
[3]JieCaoJingrunZhengMulti-personTractionBasedonvideoInformationFusio2011InternationalConferenceonSportMaterialModellingandSimulationICSMMS2011AdvanceMaterials201118713:452-457
[4]李昕，基于音频视频信息融合的人物跟踪及其应用[D]北京清华大学，2009
[5]曹洁，魏建勇，刘宗礼等，基于简化的ISPF算法与试听信息融合的目标跟踪仪.2011年3月
（1）76-80李昕，基于音频视频信息融合的人物跟踪及其应用[D]北京清华大学，2009
[6]A.Blauth，M.VicenteP.JungClaudioet.Voiceactivitydetectionandspeakerlocalizationusingaudiovisualcues[J]PatternRecognitionLetters2012334:373-380
[7]徐兴王卫星岳学军．基于FPGA的可重构无线传感器网络节点设计[A]．科学技术与工程，2010，06．
[8]佟吉钢，张振新，陈增强等．基于FPGA的无线传感器网络节点设计[A]．传感技术学报2009，03．
[9]潘峰，秦丽，孟令军．具有声定位功能的无线传感器网络节点设计[A].计算机工程，2008
[10]李文，夏秀渝，何培宇等.基于麦克风阵列的近场声源定位[J].四川大学学报（自然科学版），200845
（2）307-310
[11]戴日辉，韩光照．ZigBee协议的研究及无线传感器的节点设计[A]科学论坛1009-914X．
[12]王汝传，孙力娟等．无线传感器网络技术及其应用[M]．北京人民邮电出版社，2011
[13]居太亮，彭启宗，邵怀宗等基于任意麦克风阵列的声源二维DOA估计算法研究[J].通信学报，2005，26
（8）129-133
[14]曹广华赵子滨张晓川刘雅姑．功能模块分离的无线传感器网络节点设计[A]．信息与电子工程，2012，08．
[15]I.PotamitisH.ChenG.Tremoulis.Trackingonmultiplemovingspeakerwithmuliplemicrophonearrays[J].IEEETrans.SpeechAudioProcess20091215:1359-1362
[16]H.SilvermanF.Kitman.Atwo-stagealgorithmfordetermingtalkerlocationfromlinearmicrophonearraysdata.ComputerSpeechandlanguage19926:129-152
[17]J.DiBiase.AhighaccuracylowlatencytechniquefortalkerlocalizationinReverberantenvironments[D].PhDDissertation，BrownUniversity，ProvidenceRIUSA200O
[18]袁弟．声传感器在室内设计中的应用[A]．科技资讯，200611．
[19]侯志国，何强，罗晓松．声探测多传感器多目标定位与跟踪方法[A]．电声基础，201009．
[20]李方慧王飞何佩琨等.TMS320F2812系列DSP原理与应用北京电子工业出版社2005
[21]尹勇欧光军关荣锋.DSP集成开发环境CCS开发指南.北京:北京航空航天大学出版社2004
[22]P.A.BeardsleyI.D.ReidA.ZissermanandD.W.MurrayActivevisualnavigationusingnon-metricstructure[A].Proc.5thInternationalConferenceonComputerVision[C]Boston.1995pp5845IEEEComputerSocietyPress.
[23]M.TistarelliandSandini.Dynamicaspectsinactivevision[J].CVGIPImageUnderstanding1992Vol.561:108-
129.
[24]A.J.Davison.Mobilerobotnavigationusingactivevision[D].DepartmentofEngineeringScienceUniversityofOxford
1998.
[25]邱寄帆王海春.基于分布式控制系统的轮式智能机器人研究[J]微计算机信息2006224-2:180-
182.
[26]顾凤嫱.基于MeanShift的视频跟踪算法研究[西安电子科技大学博士学位论文].西安西安电子科技大学2009
[27] 许辰铭.视频图像中的运动目标检测与跟踪[硕士论文].南京:南京邮电大学.2012
[28]佟吉钢，张振新，陈增强等．基于FPGA的无线传感器网络节点设计[A]．传感技术学报2009，03．
[29]原魁诌伟.机器人编程技术-基于行为的机器人实战指南[M].北京:机械工业出版社
2006.
[30]张玲.视频目标跟踪方法研究[博士论文].合肥:中国科技大学.2009
[31]杜晓斌陈兴文.FPGA和单片机串行通信接口的实现[J]微计算机信息200409
[32]TexasInstruments.TMS320C6000DSP/BIOSApplicationProgrammingInterfaceAPI
[33]Kaneko T Hori O. Template update criterion for template matching of imagesequences[C]. Proceedings of IEEE International Conference on Pattern Recognition2002: 1-5
[34]潘锋王宣银向桂山等.一种新的运动目标检测与跟踪算法[J].光电工程200532143-
46.
[35]刘松涛周晓东沈同圣等.基于VC++60的目标识别和跟踪算法验证系统[J].计算机应用与软件200421
[36]COLLINSRLIPTIONAKANADETetal.AsystemforvideosurveillanceandmonitoringVSAMfinalreportCarnegieMellonUniversityTechnicalReportCMU-RI-TR-00-
122000.
[37]SIKORAT.TheMPEG-4videostandardverificationmodel.IEEETransactionsonCircuitsandSystemsforVideoTechnology19977119-
31.、
[38] 张江山 朱光喜. 一种基于 Kalman 滤波的视频对象跟踪方法[J]. 中国图象图形学报
2002. 76: 606-609
[39] 何文媛 韩 斌 徐之 等. 基于粒子滤波和均值漂移的目标跟踪[J]. 计算机工程与应用 2008 4411: 61-64
[40] 朱胜利 朱善安. 基于卡尔曼滤波器组的 Mean Shift 模板更新算法[J]. 中国图象图形学报 2007 123: 460-465致谢时光飞逝，四年的大学生活很快就要结束在此我首先要深深地感谢我的导师吴伟副教授从选题开始，吴老师就给予了我极大的信任和指导，在提供给我多种课题方向的同时，鼓励我继续寻找自己的兴趣点，在课题研究过程中吴老师又从理论和实验方面给予我了大量的、极其有益的建议和具体的指导，并在论文的撰写和审稿中倾注了大量的心血，从吴老师的身上我不仅学到了如何治学，更学会了如何为人吴老师的言传身教都将使我受益终身感谢研究生师兄吴景军学长在我遇到问题时耐心反复的指导，让我在目标跟踪问题的学习理解过程中得到了许多好的思路和想法感谢所有的大学同学，有他们的陪伴让我的本科生生活充满了欢声笑语是你们让我感到校园生活的快乐和阳光感谢父母的支持、爱护和教导，有父母在我身后默默的支持是我前行路上的精神支柱，是我取得进步的可靠保证毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意作者签名 日 期 指导教师签名 日 期 使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容作者签名 日 期 学位论文原创性声明本人郑重声明所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明本人完全意识到本声明的法律后果由本人承担作者签名日期年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文涉密论文按学校规定处理作者签名日期年月日导师签名日期年月日注意事项
1.设计（论文）的内容包括1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词5）目次页（附件不统一编入）6）论文主体部分引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）
2.论文字数要求理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于
1.2万字
3.附件包括任务书、开题报告、外文译文、译文原文（复印件）
4.文字、图表要求1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画3）毕业论文须用A4单面打印，论文50页以上的双面打印4）图表应绘制于无格子的页面上5）软件工程类课题应有程序清单，并提供电子文档
5.装订顺序1）设计（论文）2）附件按照任务书、开题报告、外文译文、译文原文（复印件）次序装订3）其它参数条件MinTypMax单位位移81212m分辨率
0.
50.
030.03%RH精度
4.5%RH量程范围0√3%RH响应时间1/e（63%）4S。
个人认证
优秀文档
获得点赞 0
