適用于復(fù)雜環(huán)境下的單目標(biāo)跟蹤方法.pdf

1、目標(biāo)跟蹤作為計(jì)算機(jī)視覺領(lǐng)域的重要研究方向,已廣泛應(yīng)用于生產(chǎn)生活中的各個(gè)領(lǐng)域。然而在復(fù)雜環(huán)境中,由于外部環(huán)境的劇烈變化及其造成的目標(biāo)本身變化,使得復(fù)雜環(huán)境下的目標(biāo)跟蹤問題仍未能很好地被解決,有待進(jìn)一步地研究。本文在實(shí)驗(yàn)對(duì)比多種目標(biāo)跟蹤算法的基礎(chǔ)上選擇了綜合性能較好的TLD(Tracking-Learning-Detection)算法作為改進(jìn)的基礎(chǔ)。我們深入地研究了TLD算法的原理,測(cè)試了算法在不同種類數(shù)據(jù)集下的性能,從而分析出TLD算法在

2、復(fù)雜環(huán)境下尚存的不足,并針對(duì)這些不足對(duì)其做出改進(jìn),使TLD算法更適用于復(fù)雜環(huán)境,主要的改進(jìn)方法如下:
　　(1)構(gòu)造了一種基于圖像的灰度積分直方圖的分類器,并用其代替 TLD算法的方差分類器。首先,通過構(gòu)建積分直方圖提取目標(biāo)及被檢測(cè)樣本的灰度直方圖。然后,通過直方圖相似性的判斷完成對(duì)樣本的分類。實(shí)驗(yàn)結(jié)果表明,本方法有效地解決了在背景中存在與目標(biāo)近似物體(背景雜波)時(shí),TLD檢測(cè)模塊的方差分類器分類效果較差的問題,在一定程度上提升了