序列圖像中的目標(biāo)跟蹤方法研究.pdf

1、目標(biāo)跟蹤在智能監(jiān)控、無人機(jī)、移動(dòng)機(jī)器人、智能交通系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用，因而得到了越來越多的關(guān)注，它是計(jì)算機(jī)視覺研究的重要內(nèi)容之一。目前主要的跟蹤方法有:基于模型的跟蹤方法，基于特征的跟蹤方法、基于輪廓的跟蹤方法以及近些年興起的基于學(xué)習(xí)的跟蹤方法。在眾多的視覺跟蹤算法中，TLD(Tracking-Learning-Detection，跟蹤-學(xué)習(xí)-檢測(cè))算法在旋轉(zhuǎn)、遮擋、均勻光照等情況下可以較好的對(duì)目標(biāo)進(jìn)行長(zhǎng)時(shí)間跟蹤。但是在光照變化不均

2、、遮擋嚴(yán)重、跟蹤目標(biāo)模糊等情況下經(jīng)常出現(xiàn)誤跟蹤或跟蹤失敗等問題。
　　針對(duì)TLD跟蹤算法存在的不足，本文首先提出了一種融合TLD和均勻模式LBP(Uniform Local Binary Pattern，均勻局部二值模式)的跟蹤算法—TLD_ULBP算法。在TLD_ULBP算法中，仍然采用跟蹤-學(xué)習(xí)-檢測(cè)的基本框架。但對(duì)檢測(cè)器部分進(jìn)行了改進(jìn)，設(shè)計(jì)了一個(gè)新的分類器—ULBP分類器（均勻模式LBP分類器）。該分類器以均勻模式LBP算子

3、作為基本元素求取樣本均勻模式LBP圖，并對(duì)該圖進(jìn)行分塊，求取各個(gè)子塊歸一化直方圖，并將這些歸一化的子塊直方圖拼接為一個(gè)特征向量，形成整幅圖的ULBP紋理特征向量，利用該向量對(duì)樣本進(jìn)行分類。當(dāng)跟蹤目標(biāo)具有較好的紋理特性時(shí)采用該分類器取代TLD中的最近鄰分類器可以得到更好的分類結(jié)果。并為此設(shè)計(jì)了決策模塊，該模塊根據(jù)目標(biāo)的紋理特性決定采用最近鄰分類器還是ULBP分類器。
　　為了彌補(bǔ)融入均勻模式LBP算子所增加的計(jì)算時(shí)間，提高系統(tǒng)的實(shí)時(shí)