1. 研究目的与意义
随着视频图像技术的不断发展，目标跟踪已逐渐成为图像处理领域的研究热点问题。
它已经逐步成为人们认知世界和改变生活的重要技术手段，包括在导弹制导、空间飞行、炮弹控制的军事领域，以及在视频监控、视觉导航、人机交互、医疗诊断、智能交通、气象分析的民用生活领域都有着至关重要的作用。
图像模板匹配(Template Matching)是一种常用的计算机视觉算法，模板匹配算法的输入一般有两幅图像，一副为匹配图像（也称为参考图像），一副为待匹配图像（也称为目标图像），以参考图像在目标图像上滑动，将参考图像与滑动窗口比较，计算二者的相似度。
2. 课题关键问题和重难点
本课题拟解决的关键问题及难点罗列如下：
课题关键点
1 OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量C 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。学习并使用OpenCV。
3. 国内外研究现状（文献综述）
1. 国内外研究现状
模板匹配由美国人自二十世纪七十年代研制导航和投射系统时提出，自此以后一直是人们研究的热点问题。在经历了人们 10 多年的持续研究，从 80 年代以后，模板匹配的应用范围已经从原来只是在军事上应用逐步扩展到其它领域，如医学领域、工业领域、遥感信号处理领域、机器视觉领域等。现在大量的文献中都有提出各式各样的图像模板匹配方法，它的主要目的是从精度、抗干扰性、速度、通用性以及鲁棒性等方面来达到提高图像的匹配效果。因此如何达到更好的匹配精度、减小计算量、提高抗干扰性逐步成为图像匹配领域的研究重点之一。因为匹配技术难以同时满足准确性和速度两方面，所以近年来将模板匹配和硬件实现结合来实现目标。
4. 研究方案
整体方案设计包括通过OpenCV模板匹配算法的实现，源代码的移植转换，FPGA功能实现，在本项目中先在PC端上完成软件实现模板匹配功能，根据选取的匹配算法来确定两幅图像（基准图和搜索图）的相似度，如相似度大，则匹配度高，若如相似度小，则匹配度低，即两幅图像不匹配。在实现功能的基础上理解源代码，并对其进行移植。用Verilog语言进行编写模板匹配算反，完成在软件上的仿真，生成配置文件，最后搭载到芯片上观察实验结果并对其进行验证。
首先是下载配置好VisualStudio。接着下载好OpenCV，添加环境变量，添加OpenCV包含目录和库目录，添加附加依赖项。再GitHub上寻找开源代码，进行实验比较。现今的模板匹配算法主要有两类。一类是基于特征的模板匹配方法，另一类是基于灰度的模板匹配方法。基于灰度的模板匹配方法是利用提取到的基准图和搜索图的灰度信息来计算两幅图像的相似度，确定最佳匹配位置，输出匹配信息。基于灰度的匹配方法主要实验MAD匹配算法、 NCC匹配算法、 SSDA匹配算法，SAD匹配算法等。基于特征的方法是提取图像目标中的点、线等特征进行匹配。主要有SIFT算法，SURF算法等。选择最合适的算法作为下一步的基础。
源代码的移植转换，采用硬件描述语言(Verilog HDL或SystemVerilog)对模板匹配算法进行描述，也可采用高级综合(high-level synthesis, HLS)将C/C 转换成为Verilog。
5. 工作计划
在寒假期间积极研究国内外论文，和导师讨论关键方案的步骤和实施，并学习OpenCV相关的书籍，和Verilog HDL相关技术，查找模板匹配各种算法的资料和开源代码，完成VisualStudio上OpenCV的搭载和Quartus II配置和使用。学习Verilog设计各模块的作用以及购买的FPGA开发板的调试。
2022-2023-2 学期：
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
