Research and Development of Real-Time Motion Object Recognition and Tracking

View Statistics Email Alert RSS Feed

Information

Details

Project title

Code/計畫編號

NSC95-2221-E019-085

Translated Name/計畫中文名

水下步進相移陣列超音波影像系統之研發(I)---子計畫五：動態物件追蹤暨影像定位之技術開發

Project Coordinator/計畫主持人

Jung-Hua Wang

Funding Organization/主管機關

National Science and Technology Council

Department/Unit

Department of Electrical Engineering

Website

https://www.grb.gov.tw/search/planDetail?id=1311182

Year

2006

Start date/計畫起

01-08-2006

Expected Completion/計畫迄

31-07-2007

Bugetid/研究經費

568千元

ResearchField/研究領域

土木水利工程

本計畫係整合型計劃：『水下步進相移陣列超音波影像系統之研發』之子計劃六。本計畫擬研發一水下超音波影像辨識及定位追蹤系統，由子計劃五所得之超音波影像資訊，經由本子計劃發展之水下超音波影像處理系統進行辨識及追蹤定位後，回傳予子計劃一進行水下目標物鎖定、追蹤之工作。因此，吾人首要之任務即針對由子計劃五所傳回之超音波影像進行一影像增強及分割之工作流程。為了因應不同的成像機制，影像/視覺處理系統往往需要不同的影像處理技術/演算法配合使用對應之輸入特徵，尤其在處理水下動態影像追蹤時為然，蓋分割演算法之精確度對後續之動態追蹤演算法之成效影響甚巨。如何在考量水下環境之特殊性下，挑選出一最適(optimal)影像處理流程，實屬一重要課題，且為了配合總計畫即時精確之需求及第二年度評估分析不同分割演算法效能之所需，吾人遂於第一年度擬提出三種region-based分割演算法。第二年之主要為研發一影像處理效能評估機制，係以達到精確之分割為目的，期能有利後續第三年之自動選取出適應環境及即時追蹤目標物。透過此效能評估機制將對影像之特徵擷取與影像分割進行匹配，具最高匹配值之影像處理流程對爾後進行影像辨識及追蹤上能達到最佳效能。第三年將配合總計劃所提出之動態影像追蹤，吾人將第二年完成之影像處理流程產生之分割物件輸入一量子神經網路(Feedforward Quantum Neural Network, FQNN)之辨識演算法完成一系列以動態追蹤為目的之處理流程，並配合總計畫執行子影像併合(為大影像)之需求，擬運用影像特徵值，透過影像定位(registration)技術，並輔以一高階神經網路進行加速估測子影像間之轉換函數。再搭配全球定位系統(GPS)、深度儀(水壓計)修正大區域影像定位資訊。爾後考量ROV硬體資源，擬將影像壓縮(image compression)以增進運算處理速度。最後將上述各研發之演算法轉換成硬體描述語言(hardware description language, HDL)並以FPGA(field programmable gate arrays)實現以實際硬體實現之即時執行效能。最後完成與子計畫一、四、五關於訊號傳遞之硬體介面之佈設與整合。

Keyword(s)

影像分割
效能評估機制
特徵擷取
即時動態影像追蹤
影像定位

DSpace CRIS

Research and Development of Real-Time Motion Object Recognition and Tracking

Details

Description