基于CUDA的霍夫森林目標跟蹤算法研究.pdf

1、目標跟蹤技術因其在軍事、民用等領域廣泛的應用前景，一直是計算機視覺領域熱門的研究方向之一。但由于現(xiàn)實環(huán)境的復雜性，跟蹤過程中目標往往容易受到光照變化、外觀變化、姿態(tài)變化、部分或全部遮擋等因素的影響，這都給跟蹤技術的發(fā)展帶來了極大的困難。
　　本文結合隨機森林近幾年在計算機視覺領域的廣泛應用，從多特征融合、CUDA編程技術研究入手，與隨機森林算法理論相結合，提出了基于弱分類器響應的霍夫森林跟蹤算法，提高了傳統(tǒng)隨機森林的魯棒性和準確性

2、。本文完成的主要工作和貢獻有:
　　一、提出一種基于弱分類器響應的霍夫森林跟蹤算法。該算法采用了LBP特征，LBP特征是一種可以用來表征紋理信息的特征描述算子，在現(xiàn)實世界中，很多圖片的紋理信息是非常重要的;并且在霍夫森林的訓練階段，設計并提出了一種新的分裂策略，在原始的霍夫森林訓練階段，原有決策函數只隨機選取兩個點所在位置的像素值進行比較，這樣代表的信息是不夠的，所以考慮使用能夠表達更多信息的Harr-like特征響應值來代替，這

3、樣能獲得所選取點鄰域附近更多的信息。
　　二、實現(xiàn)了基于CUDA的霍夫森林跟蹤算法。通過利用CUDA并行編程技術來構建霍夫森林，實驗結果表明，CUDA技術有效地提高了訓練森林的速度，達到了較高的加速比。
　　將本文提出的基于CUDA的霍夫森林目標跟蹤算法應用于單目標跟蹤，采用通用公開的單目標跟蹤測試集進行測試，并與近幾年提出的效果較好、比較有代表性的五種單目標跟蹤算法(Frag、MIL、IVT、PN、VTD)進行對比，實驗表