基于TLD的視頻目標(biāo)跟蹤算法的研究.pdf

1、本文以視頻目標(biāo)跟蹤為研究重點(diǎn),著重研究和分析了目標(biāo)跟蹤算法中以TLD(tracking—learning—detection)為系統(tǒng)框架的算法。TLD只需要較少的先驗(yàn)信息就可以實(shí)現(xiàn)對(duì)目標(biāo)的長(zhǎng)期在線跟蹤?；赥LD的目標(biāo)跟蹤系統(tǒng)主要由4個(gè)部分組成:跟蹤模塊、檢測(cè)模塊、綜合模塊和學(xué)習(xí)模塊。跟蹤模塊利用金字塔LK光流法預(yù)測(cè)出跟蹤目標(biāo)在當(dāng)前幀中的位置信息。檢測(cè)模塊檢測(cè)當(dāng)前幀中的全部的掃描子窗口,檢測(cè)到目標(biāo)可能出現(xiàn)的一個(gè)或者多個(gè)位置。綜合處理模塊

2、根據(jù)跟蹤結(jié)果和檢測(cè)結(jié)果給出當(dāng)前幀中是否存在目標(biāo)以及目標(biāo)的位置等信息。學(xué)習(xí)模塊對(duì)檢測(cè)結(jié)果、綜合輸出結(jié)果和跟蹤結(jié)果進(jìn)行學(xué)習(xí),從而完成對(duì)檢測(cè)模塊和跟蹤模塊的更新,對(duì)于提高目標(biāo)的長(zhǎng)期在線跟蹤的綜合性能方面非常有效。
　　TLD目標(biāo)跟蹤算法雖然實(shí)現(xiàn)了對(duì)目標(biāo)的長(zhǎng)期的較為準(zhǔn)確的跟蹤,但是在實(shí)際的應(yīng)用環(huán)境中其穩(wěn)定性、適應(yīng)性和實(shí)時(shí)性等方面還存在著很多問(wèn)題。本文針對(duì)這些問(wèn)題提出了一些改進(jìn)的算法。首先在TLD的跟蹤模塊中設(shè)計(jì)了最近鄰的中值流跟蹤算法,主

3、要對(duì)其目標(biāo)邊界框的選擇進(jìn)行改進(jìn)、對(duì)跟蹤到的邊界框進(jìn)行重新的聚類和設(shè)計(jì)了基于中值的邊界框定位算法來(lái)重新確定跟蹤器最后輸出的目標(biāo)邊界框,與原始TLD中跟蹤器所采用的選用單一的邊界框進(jìn)行跟蹤相比較,不僅增強(qiáng)了對(duì)目標(biāo)遮擋和光照干擾的魯棒性,而且也提高了跟蹤目標(biāo)的精度;其次,針對(duì)TLD算法中檢測(cè)模塊需要檢測(cè)所有的子窗口帶來(lái)的算法處理速度較低的問(wèn)題,利用Kalman濾波器估計(jì)出目標(biāo)在當(dāng)前幀中的大致出現(xiàn)區(qū)域,將這個(gè)大致的區(qū)域作為TLD的目標(biāo)檢測(cè)區(qū)域,