跟踪算法

使用场景：本设备安装在一个小的运动平台上，通过摄像头获取周围视频图像，从中发现目标、跟踪目标

约束条件：设备安装的空间小、电量少、运算资源有限，平台进入角度和高度不固定，目标底图是俯视照片或者3D图

分析步骤：

1、锁定场景：SceneLock

2、检测目标：组合算法（Combined）：相关类算法 +质心类算法

技术点：单应性变换矩阵

 

我准备利用6678做一个物体训练、识别和跟踪的程序，首先做一个跟踪程序，即用户在视频的某一帧给定一个目标，程序从图形中找出此坐标代表的物体（利用角点、边，也可以根据随后几帧图形，进行对比，以筛除背景），然后在随后帧中跟踪此目标，其中目标在视频中的特性如下：

1.相邻帧之间的目标重叠大过50%

2.目标偶尔会被短暂部分甚至全部遮挡，遮挡期间目标的在图像中的移动范围不会超过图像长宽的1/2

3.只用6678的一个核，它通过网络拉摄像头的实时流量，跟踪后，把目标重心的坐标通过网络推送给PC服务器

4.PC服务器也通过网络从摄像头拉流量，同时从6678接收数据，把两者合并后，在屏幕上显示

以上设想从分析opencv开始，因为opencv中有大量的跟踪算法的实现，通过比较这些算法，找到适合我们的2种算法。如果测试结果表明，opencv算法的精度、识别率达不到要求，再考虑用AI算法。

 

物体的识别可以是opencv的KNN或Cross-check等传统方法，也可以用AI推导。先做单目标识别，后做单目标+周围目标等环境因素进行参考，以减少误判。

选择算法的原则：

1、输入限制最少

2、算法精度、错误率、适应范围和执行速度最佳

3、可以满足各种约束

 

项目的前期目标是在无人机上使用，给定目标的大致位置（比如经纬度或者相对位置）后，进行目标的自动定位和跟踪，目标可以是固定的，也可以是移动的。