新聞中心

EEPW首頁(yè) > 嵌入式系統(tǒng) > 設(shè)計(jì)應(yīng)用 > 分布式多視角目標(biāo)跟蹤算法在OMAP3平臺(tái)上的實(shí)現(xiàn)與優(yōu)化

分布式多視角目標(biāo)跟蹤算法在OMAP3平臺(tái)上的實(shí)現(xiàn)與優(yōu)化

作者: 時(shí)間:2011-05-21 來(lái)源:電子產(chǎn)品世界 收藏

  3.3 跟蹤精度優(yōu)化

本文引用地址:http://m.butianyuan.cn/article/119685.htm

  盡管3.1.到3.2.兩小節(jié)提出的算法已經(jīng)具有相對(duì)較高的魯棒性,由于單個(gè)視角內(nèi)的匹配誤差會(huì)在視角間被傳遞甚至隨著時(shí)間遞推而被放大,因而提高視角內(nèi)的跟蹤精度也是關(guān)鍵。現(xiàn)實(shí)世界的視頻的復(fù)雜性,使得視角內(nèi)跟蹤經(jīng)常會(huì)遇到模板漂移的問(wèn)題。針對(duì)上述問(wèn)題,我們又實(shí)現(xiàn)了下面改進(jìn)算法:抑制漂移的卡爾曼外觀濾波(DIMKAF)[3-4]。DIMKAF(Drift-Inhibitive Masked Kalman Appearance Filter )算法通過(guò)計(jì)算模板像素真實(shí)值的概率分布定量地在線估計(jì)觀測(cè)噪聲的功率。狀態(tài)轉(zhuǎn)移噪聲的功率也可以通過(guò)新息在線計(jì)算得到。這樣,本算法的卡爾曼增益系數(shù)始終能夠在更新模板與減少漂移之間尋求最優(yōu)平衡點(diǎn),十分有效地抑制了模板漂移現(xiàn)象,提高了有限搜索精度下的跟蹤精確度。

  4.算法在DSP上的實(shí)現(xiàn)難點(diǎn)與優(yōu)化方案

  視頻跟蹤算法具有運(yùn)算量大的特點(diǎn),這增加了算法在DSP上的實(shí)現(xiàn)難度。為了讓算法能夠?qū)崟r(shí)地在DSP上運(yùn)行,我們必須對(duì)算法中最耗時(shí)的部分進(jìn)行優(yōu)化。經(jīng)過(guò)分析,算法中最耗時(shí)的部分為粒子濾波和模板匹配中的SSIM計(jì)算函數(shù)和插值函數(shù)。對(duì)于每一幀視頻,算法要調(diào)用將近兩百次的相似度計(jì)算函數(shù)和插值函數(shù)。粒子數(shù)越多,模板匹配的范圍越大,則所需要的計(jì)算量越大。

  優(yōu)化過(guò)程分為算法優(yōu)化和軟件優(yōu)化兩個(gè)階段。算法優(yōu)化只在算法的層面上對(duì)計(jì)算公式進(jìn)行優(yōu)化,減少公式的運(yùn)算量。軟件優(yōu)化主要是對(duì)程序代碼進(jìn)行優(yōu)化,以提高程序的運(yùn)行速度。

  4.1 算法優(yōu)化

  本節(jié)針對(duì)粒子濾波和模板匹配中的SSIM計(jì)算函數(shù)進(jìn)行了算法上的優(yōu)化。

  ● 結(jié)構(gòu)相似度指標(biāo)第一步簡(jiǎn)化:分解簡(jiǎn)化

  2.1節(jié)中介紹的粒子濾波和模板匹配中的SSIM指標(biāo)[6]的計(jì)算方式,可以將其簡(jiǎn)化為如下形式:

 

  根據(jù)均值性質(zhì),上述式子可以化簡(jiǎn)為:

 

  (3)式的運(yùn)算量大約為10MN個(gè)加法和乘法運(yùn)算,而(4)式的運(yùn)算量?jī)H為6MN個(gè)加法和乘法運(yùn)算,運(yùn)算量大約減少為原來(lái)的60%。

  ● 結(jié)構(gòu)相似度指標(biāo)第二步簡(jiǎn)化:模板均值方差復(fù)用

  由跟蹤算法可知, 在對(duì)同一幀視頻數(shù)據(jù)進(jìn)行處理時(shí),模板是不變的,上式中的mf 以及ΣΣ==MmNnnmf112)),((是不變的,因此模板的均值和ΣΣ==MmNnnmf112)),((項(xiàng)只要計(jì)算一次,那么在其它SSIM的計(jì)算中可以重復(fù)利用,達(dá)到進(jìn)一步降低計(jì)算量的目的。



評(píng)論


相關(guān)推薦

技術(shù)專(zhuān)區(qū)

關(guān)閉