基于關(guān)鍵特征點(diǎn)的TLD視頻目標(biāo)跟蹤算法.pdf

1、視頻目標(biāo)跟蹤，作為當(dāng)今社會(huì)的前沿技術(shù)，在計(jì)算機(jī)視覺領(lǐng)域占有重要的地位，經(jīng)過(guò)多年的發(fā)展，已經(jīng)在國(guó)防、醫(yī)療、人工智能、視頻監(jiān)控等方面有著廣闊的應(yīng)用前景。傳統(tǒng)的目標(biāo)跟蹤算法由于缺少在線學(xué)習(xí)功能，只是立足于盡可能提高單次跟蹤的時(shí)間和精度，一旦目標(biāo)出現(xiàn)形變、遮擋等情況致使目標(biāo)跟蹤丟失，將不能重新捕獲跟蹤目標(biāo)。TLD（tracking-learning-detection）是由Zdenek Kalal博士發(fā)明的一種能夠?qū)文繕?biāo)進(jìn)行長(zhǎng)期跟蹤的有效算法

2、，該算法只需要較少的先驗(yàn)知識(shí)就能實(shí)現(xiàn)對(duì)目標(biāo)的長(zhǎng)期跟蹤。但TLD算法也存在一些不足，在圖像目標(biāo)跟蹤時(shí)，當(dāng)被跟蹤目標(biāo)遇到障礙物遮擋時(shí)，會(huì)出現(xiàn)短期的跟蹤漂移現(xiàn)象，為了克服這一缺點(diǎn)，本文利用關(guān)鍵特征點(diǎn)對(duì)TLD跟蹤算法進(jìn)行改進(jìn)，在TLD跟蹤模塊之前增加了檢測(cè)器，改進(jìn)后的算法對(duì)抑制跟蹤漂移，提高跟蹤速度，都有顯著效果。
　　本論文主要對(duì)長(zhǎng)期目標(biāo)跟蹤算法TLD進(jìn)行了相關(guān)研究。首先，介紹了幾種典型的圖像特征點(diǎn)檢測(cè)方法，包括Harris、Surf、

3、Fast、Shi-Tomasi特征點(diǎn)，通過(guò)實(shí)驗(yàn)對(duì)比分析了不同檢測(cè)方法之間的性能。其次，介紹了金字塔LK光流跟蹤法和隨機(jī)森林特征檢測(cè)，這些都是TLD算法的關(guān)鍵技術(shù)環(huán)節(jié)。然后，介紹了TLD算法的系統(tǒng)構(gòu)成，著重分析了各個(gè)模塊的工作原理。最后，針對(duì)TLD算法在遇到遮擋時(shí)存在跟蹤漂移的現(xiàn)象，提出在TLD跟蹤模塊之前增加檢測(cè)器，分別用Harris特征點(diǎn)和Shi-Tomasi特征點(diǎn)代替原來(lái)的Grid采樣點(diǎn)。相比于原來(lái)的TLD算法，結(jié)果表明，兩種特征點(diǎn)