题目：目标检测关键技术及嵌入式应用研究

目标检测是计算机视觉领域内一个非常具有挑战性的课题。目标检测的难点在于它受诸多因素的影响，如复杂的背景条件、目标个体间的形态差异、目标的非刚体形变、观察视角变化、光照变化和遮挡等。鲁棒而又有辨别力的特征以及高效的特征匹配方法是目标检测的关键。本文首先研究了基于局部特征点匹配的目标检测算法。通过比较现有基于特征点匹配的目标检测算法的不足，提出了伴随特征的概念以及基于伴随特征匹配的目标检测算法。实验结果表明，伴随特征匹配方法充分利用了特征点的局部空间约束信息，有效地减少了误匹配，相比传统特征点匹配方法在目标检测精度上有显著提升。轮廓特征是图像最显著的几何特征之一，它能够描述很多其它局部特征无法表达的信息，如目标的形状和旋转对称模式等。本文提出一种利用轮廓匹配和短线投票来检测自然场景图像中仿射扭曲旋转对称目标的方法。实验结果表明，本文方法能够克服形状扭曲、背景干扰以及旋转对称性类别差异的影响，检测精度优于国际先进水平。轮廓特征不仅可以描述目标的模式，它还可以直观地表达目标的形状信息。本文研究了基于轮廓特征的形状检测方法，提出一种利用图论中极大团算法筛选轮廓匹配对并用kd-tree搜索来补全目标外轮廓的方法。实验结果表明，本文方法能够准确地检测出自然场景中目标完整的外轮廓。随着嵌入式技术的高速发展，嵌入式机器视觉系统的应用也越来越广泛。嵌入式视觉系统的优化和机器视觉算法的嵌入式移植对嵌入式机器视觉系统的实用化具有重要意义。本文针对嵌入式机器视觉系统的特点，对嵌入式操作系统进行了裁剪，在嵌入式机器视觉算法移植和应用程序效率方面做了大量的优化，并充分利用Cotex-A处理器的NEON加速技术，显著提高了嵌入式机器视觉系统的性能。经测试，系统的启动时间缩短25秒，经过优化后程序运行速度约为原来的2.5倍。