基于TLD的目標(biāo)跟蹤改進(jìn)算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)與人工智能的快速發(fā)展，機(jī)器視覺(jué)在監(jiān)控安防、身份認(rèn)證、醫(yī)學(xué)診斷、工業(yè)檢測(cè)等領(lǐng)域具有廣泛的應(yīng)用。圖像作為人類獲取知識(shí)的重要來(lái)源包含了豐富的信息，因此機(jī)器視覺(jué)發(fā)展的最終目的是實(shí)現(xiàn)計(jì)算機(jī)理解圖像中的客觀環(huán)境，代替人工來(lái)做出決策或進(jìn)一步的上層處理。
　　目標(biāo)跟蹤作為機(jī)器視覺(jué)的一個(gè)研究方向，引起了廣泛的關(guān)注。本文首先將跟蹤算法的處理流程分為四個(gè)步驟：特征提取、運(yùn)動(dòng)模型、觀測(cè)模型、模型更新，文章介紹了各個(gè)步驟中常用的算法，之后重點(diǎn)

2、研究了Tracking-Learning-Detection(TLD)跟蹤算法，TLD跟蹤算法是一個(gè)單目標(biāo)長(zhǎng)時(shí)間跟蹤算法，它解決了目標(biāo)在跟蹤視野中消失后又重新出現(xiàn)時(shí)的目標(biāo)捕獲問(wèn)題，算法自2011年提出后引起了極大的關(guān)注，眾多國(guó)內(nèi)外研究者提出了相應(yīng)的改進(jìn)策略。
　　通過(guò)對(duì)TLD跟蹤算法的深入了解，本文詳細(xì)介紹了算法中的跟蹤模塊、檢測(cè)模塊、學(xué)習(xí)模塊。通過(guò)分析 Kalman濾波算法的局限性，文章引入了多新息理論。將多新息Kalman濾波

3、算法(MIKF)引入TLD跟蹤算法中，提出了結(jié)合多新息Kalman濾波的TLD改進(jìn)算法(TLD_MIKF)。其次，TLD作為單目標(biāo)單攝像頭的跟蹤算法其跟蹤視野有較大的局限性，文章提出了基于TLD的多攝像頭跟蹤算法。改進(jìn)算法提高了原始TLD算法的魯棒性并且實(shí)現(xiàn)了多攝像頭環(huán)境下對(duì)目標(biāo)的連續(xù)跟蹤。文章具體研究?jī)?nèi)容如下：
　?。?）針對(duì)TLD跟蹤算法中對(duì)目標(biāo)被遮擋后跟蹤失敗以及跟蹤精度不高的問(wèn)題，本文結(jié)合多新息Kalman濾波算法提出了基

4、于多新息Kalman濾波的TLD改進(jìn)算法，改進(jìn)算法對(duì)跟蹤目標(biāo)的所在位置建模，將TLD跟蹤算法的結(jié)果作為系統(tǒng)當(dāng)前狀態(tài)的觀測(cè)值，結(jié)合多新息Kalman濾波算法的預(yù)測(cè)值，優(yōu)化檢測(cè)結(jié)果，作為當(dāng)前幀目標(biāo)的跟蹤位置。通過(guò)實(shí)驗(yàn)對(duì)原始TLD算法與加入多新息Kalman濾波的TLD改進(jìn)算法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明改進(jìn)后的算法較原始 TLD算法具有更高的跟蹤精度，而且實(shí)現(xiàn)了對(duì)跟蹤目標(biāo)被遮擋后的位置預(yù)測(cè)。
　　（2）針對(duì) TLD算法只能在單視頻輸入的圖

5、像中跟蹤目標(biāo)的局限性，文章引入了公告版的概念，將跟蹤目標(biāo)的位置、模板等信息在全局的跟蹤系統(tǒng)中實(shí)時(shí)公告，并結(jié)合Kalman濾波算法預(yù)測(cè)目標(biāo)在多攝像頭環(huán)境下的運(yùn)動(dòng)方向，提出了基于TLD的多攝像頭跟蹤算法。該算法將分布式布局的攝像頭抽象為無(wú)向圖并且在算法運(yùn)行之前人工確定其拓?fù)浣Y(jié)構(gòu)，將跟蹤過(guò)程的實(shí)時(shí)信息發(fā)布在中心服務(wù)器維護(hù)的公告版中，并動(dòng)態(tài)更新，使用Kalman濾波算法處理遮擋以及實(shí)現(xiàn)對(duì)跟蹤目標(biāo)運(yùn)動(dòng)方向的預(yù)測(cè)。該算法實(shí)現(xiàn)了在多攝像頭環(huán)境中跟蹤單