基于Android平臺(tái)的多目標(biāo)實(shí)時(shí)跟蹤技術(shù)研究.pdf

1、以往由于視覺跟蹤技術(shù)對系統(tǒng)硬件以及實(shí)時(shí)性的要求，其僅被應(yīng)用于PC，以及部分嵌入式平臺(tái)當(dāng)中。但是移動(dòng)設(shè)備領(lǐng)域在近幾年來發(fā)生了翻天覆地的變化，其各項(xiàng)硬件的性能都有了極大的提升，這為我們將視覺跟蹤技術(shù)應(yīng)用于移動(dòng)設(shè)備提供了硬件技術(shù)上的支持。而今Android是擁有用戶最多的移動(dòng)設(shè)備平臺(tái)，將視覺跟蹤算法應(yīng)用到Android平臺(tái)將具有十分重要的意義。本文對視覺跟蹤算法進(jìn)行了大量的調(diào)研工作，并對現(xiàn)今的主流視覺跟蹤算法進(jìn)行比較，從中選擇了在多種場景下都

2、具有良好魯棒性與極高實(shí)時(shí)性的核相關(guān)濾波（KCF）目標(biāo)跟蹤算法作為移植到 Android平臺(tái)的跟蹤算法。本文對該算法進(jìn)行了深入研究，針對其無法對目標(biāo)進(jìn)行多尺度跟蹤的缺陷，結(jié)合雙線性插值算法提出了一種改進(jìn)的多尺度KCF目標(biāo)跟蹤算法，并將該改進(jìn)后算法移植到Android平臺(tái)之上，設(shè)計(jì)并完成了一套多目標(biāo)實(shí)時(shí)跟蹤系統(tǒng)。
　　本研究主要內(nèi)容包括：⑴對KCF目標(biāo)跟蹤算法進(jìn)行了深入地研究，詳細(xì)介紹了該算法的原理與流程，并對其編寫代碼，通過大量的測

3、試與分析，在多種場景下對KCF目標(biāo)跟蹤算法所擁有的良好魯棒性與實(shí)時(shí)性進(jìn)行了驗(yàn)證。⑵針對原KCF目標(biāo)跟蹤算法無法對目標(biāo)進(jìn)行多尺度跟蹤的缺陷，本文在原KCF目標(biāo)跟蹤算法的基礎(chǔ)上，結(jié)合了雙線性插值算法對目標(biāo)進(jìn)行縮放，提出了一種改進(jìn)后的多尺度KCF目標(biāo)跟蹤算法。同時(shí)，通過大量的測試與分析，對本文算法的有效性進(jìn)行了驗(yàn)證。⑶以改進(jìn)后的多尺度KCF目標(biāo)跟蹤算法為基礎(chǔ)，基于Android平臺(tái)設(shè)計(jì)并完成了一套多目標(biāo)實(shí)時(shí)跟蹤系統(tǒng)，并通過對該系統(tǒng)進(jìn)行跟蹤性能