一、视觉系统描述
机器视觉双目标物体自动跟踪识别系统是对平台上的两个互不相关的运动物体进行跟踪检测，通过识别每个运动物体上的两个标志点来识别运动物体的方位，并随时给出运动物体的标志点X、Y坐标值。系统平台示意图如下:

系统平台示意图

其中：总框表示平台区域，两个小矩形表示运动物体，红色原点表示运动物体的方位标志。

二、系统需求
1、分辨率要求为：2mm
2、物体运动速度：5mm－10mm/每秒钟
3、标志点距离：20公分
4、平台范围：3m*4m
三、视觉系统方案
依据系统需求，系统采用4个Microvision彩色高分辨率工业数字摄像机分别监视平台的四个区域，并获取整个平台范围内的图像。4个区域图像传入计算机进行合并处理。机器视觉双目标物体自动跟踪识别系统结构示意图如下:

视觉系统结构示意图	视觉系统逻辑示意图

四、视觉系统指标
根据系统需求指标，兼顾物体运行速度、分辨率指标和处理算法综合因素考虑，系统各单元分配指标如下:
摄像机:Microvision彩色工业数字相机
分表率:1600×1200
总线接口标准:1394
计算机主频:3G
算法处理时间:0.2s
五、视觉系统软件
1。程序结构
程序结构框图 　
2。结构模块说明
线性滤波器处理方法、非线性滤波器处理、图像分割方法、基于改进遗传算法的扭弯曲图像分割、图像边缘检测、图像梯度算子、图像细化、中轴变换、简化中轴变换算法
3。软件流程
软件流程图 　　
4。某项目中的部分处理流程与效果图:
某对象图像处理流程中得到的系列效果图像 　　(a)采集的原始图像，(b)预处理图像，(c)分割图像， (d)边缘检测图像，(e)二次中值滤波图像，(f)细化图像， (g)特征图像。之后为配准、融合、坐标计算等
六、目标检测与跟踪
1．采用图像增强、目标运动预测、管道滤波、自适应阈值分割等算法，实现对目标的高精度跟踪，同时将漏警概率、虚警概率降到最低。
图像增强采用非线性均值滤波算法实现；
管道滤波器采用加权移动式管道滤波算法；
阈值分割采用基于目标边缘梯度特征的自适应阈值提取算法；
目标检测采用点聚类算法；
目标预测采用两点线性预测算法；
2．目标物体的特征识别模块
图像滤波,亚象素边缘及线提取,边缘位置测量,区域处理,图像分割,数学形态学,模式匹配
3．显示模块
显示模块完成图像与数据的直观显示。采用DIRECT SHOW技术实现图像快速显示,同时显示目标运动过程当中的相关要求信息。