Change search
ReferencesLink to record
Permanent link

Direct link
Real time object tracking on Raspberry Pi 2: A comparison between two tracking algorithms on Raspberry Pi 2
KTH, School of Industrial Engineering and Management (ITM), Machine Design (Dept.).
2016 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

Object tracking has become a large field with a wide range of algorithms being used as a result. This thesis focuses on analyzing the performance in terms of successful tracking on moving objects using two popular tracking systems, Kanade-Lucas-Tomasi Feature Tracker and Camshift, on a single-board computer with live camera feed.

The tracking is implemented in C++ with OpenCV on a Raspberry Pi 2 and the Raspberry Pi Camera Module as a camera feed.  The feature detector is chosen to good features to track[1] for KLT and Camshift uses color histogram for features.

To be able to follow an object a pan and tilt system is built to be able to follow the object using tilting and panning motion. Two different objects, a tennis ball and book cover, are used in experiments to run the tests for performance of the different tracking systems.

The system created is able to track a moving object and keeping it in the center of the image. The Camshift tracker performed the better in terms of successful tracking between the two algorithms in the experments made on the system.

Abstract [sv]

Att använda datorseende för att följa objekt har blivit ett stort område vilket resulterat i att en mängd olika algoritmer finns till förfogande. Den här avhandlingen analyserar två stycken populära algoritmer för att följa object, Kanade-Lucas-Tomase Feature Tracker och Camshift. Algoritmernas prestanda bedöms i form av algoritmens nogrannhet i att följa rörliga objekt i strömmat kamaraflöde implementerat på en enkortsdator.

Objektsföljnings-algoritmerna är implementerade på en Raspberry Pi 2 i C++ med biblioteket OpenCV och kameraflödet strömmas från en Raspberry Pi Camera Module. Egenskapsdetektorn för KLT algoritmen väljs till "good features to track" [1] och för Camshift används färghistogram som egenskapsdetektor.

För att kunna följa ett objekt konstrueras ett kamerafäste som kan panorera och luta. Två olika objekt, en tennisboll och ett bokomslag, används i experimenten för att testa algorimernas prestanda.

Systemet som konstruerats kan följa ett rärligt objekt och bibehåller det i mitten av bilden. Camshift-algoritmen presterade bättre än KLT i form av lyckad följning av objekt i experimenten med det konstruerade system.

Place, publisher, year, edition, pages
2016. , 47 p.
Series
, MMKB 2016:17 MDAB078
National Category
Mechanical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-192080OAI: oai:DiVA.org:kth-192080DiVA: diva2:957920
Supervisors
Examiners
Available from: 2016-09-05 Created: 2016-09-05 Last updated: 2016-09-05Bibliographically approved

Open Access in DiVA

fulltext(3208 kB)11 downloads
File information
File name FULLTEXT01.pdfFile size 3208 kBChecksum SHA-512
38fc1c96cc5ec1341610805041e3cb9c99f8297f26cd645c042c47b4c279a16f59f56b800e43517ecfec3215312eb95a4bce862f1813fbe21a912134c9a802be
Type fulltextMimetype application/pdf

By organisation
Machine Design (Dept.)
Mechanical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 11 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 28 hits
ReferencesLink to record
Permanent link

Direct link