This paper applies a pragmatic approach to study the real-time performance effect of software design methods for multiple object tracking (MOT) based on vision digital signal processing (vision DSP). The MOT system in the paper combines target detection, the Hungarian algorithm and the Kernel correlation filter (KCF) tracker. In addition, the MOT system needs to support multiway video streams, so higher speed and storage requirements are necessary for target tracking. Therefore, we carried out some studies on how to improve tracker speed performance and reduce system resource consumption under limited system resources. In the paper, we achieved the goal in two respects. Regarding the data processing, we studied how to efficiently process tracking data by utilizing the parallel characteristics of iDMA (integrated direct memory access) and a DSP core; and regarding the data storage, we proposed a time-sharing strategy to solve the DSP local memory (data RAM) usage issue for multiple tracking objects. In addition, regarding the software design, we propose a new strategy, which includes two levels of parallel computations: the frame-level parallel computations and the tracking object-level parallel computations. The experimental results show that the KCF tracking algorithm based on vision DSP achieves not only the desired real-time tracking speed but also the expected goal of system resource utilization. Our research methods also provide a reference for algorithm embedded applications in the field of computer vision.

本文采用一种务实的方法来研究基于视觉数字信号处理（vision DSP）的多目标跟踪（MOT）软件设计方法的实时性能效果。本文中的MOT系统结合了目标检测，匈牙利算法和内核相关过滤器（KCF）跟踪器。另外，MOT系统需要支持多路视频流，因此目标跟踪需要更高的速度和存储要求。因此，我们进行了一些有关如何在有限的系统资源下提高跟踪器速度性能和减少系统资源消耗的研究。在本文中，我们从两个方面实现了目标。关于数据处理 我们研究了如何利用iDMA（集成直接内存访问）和DSP内核的并行特性来有效地处理跟踪数据。关于数据存储，我们提出了一种分时策略，以解决多个跟踪对象的DSP本地存储器（数据RAM）使用问题。另外，关于软件设计，我们提出了一种新的策略，其中包括两个级别的并行计算：帧级别的并行计算和跟踪对象级别的并行计算。实验结果表明，基于视觉DSP的KCF跟踪算法不仅达到了所需的实时跟踪速度，而且达到了系统资源利用的预期目标。我们的研究方法也为计算机视觉领域的算法嵌入式应用提供了参考。关于数据存储，我们提出了一种分时策略，以解决多个跟踪对象的DSP本地存储器（数据RAM）使用问题。此外，关于软件设计，我们提出了一种新的策略，其中包括两个级别的并行计算：帧级别的并行计算和跟踪对象级别的并行计算。实验结果表明，基于视觉DSP的KCF跟踪算法不仅达到了所需的实时跟踪速度，而且达到了系统资源利用的预期目标。我们的研究方法也为计算机视觉领域的算法嵌入式应用提供了参考。关于数据存储，我们提出了一种分时策略，以解决多个跟踪对象的DSP本地存储器（数据RAM）使用问题。另外，关于软件设计，我们提出了一种新的策略，其中包括两个级别的并行计算：帧级别的并行计算和跟踪对象级别的并行计算。实验结果表明，基于视觉DSP的KCF跟踪算法不仅达到了所需的实时跟踪速度，而且达到了系统资源利用的预期目标。我们的研究方法也为计算机视觉领域的算法嵌入式应用提供了参考。我们提出了一种新策略，其中包括两个级别的并行计算：帧级别的并行计算和跟踪对象级别的并行计算。实验结果表明，基于视觉DSP的KCF跟踪算法不仅达到了所需的实时跟踪速度，而且达到了系统资源利用的预期目标。我们的研究方法也为计算机视觉领域的算法嵌入式应用提供了参考。我们提出了一种新策略，其中包括两个级别的并行计算：帧级别的并行计算和跟踪对象级别的并行计算。实验结果表明，基于视觉DSP的KCF跟踪算法不仅达到了所需的实时跟踪速度，而且达到了系统资源利用的预期目标。我们的研究方法也为计算机视觉领域的算法嵌入式应用提供了参考。