基于改進(jìn)的TLD目標(biāo)跟蹤算法研究.pdf

1、智能視頻監(jiān)控是計(jì)算機(jī)領(lǐng)域的一個(gè)新的應(yīng)用方向和關(guān)注點(diǎn)，通過利用圖像處理和機(jī)器視覺的相關(guān)方法，并分析監(jiān)控視頻，來實(shí)現(xiàn)對(duì)目標(biāo)的定位、識(shí)別和跟蹤，進(jìn)一步實(shí)現(xiàn)對(duì)目標(biāo)行為分析的目的，而目標(biāo)跟蹤技術(shù)作為智能視頻監(jiān)控的核心必將得到更廣泛的應(yīng)用。
　　關(guān)于目標(biāo)跟蹤技術(shù)，關(guān)鍵問題是能夠確保在當(dāng)前幀中跟住目標(biāo)，并在下一幀中不丟失目標(biāo)。基于檢測的目標(biāo)跟蹤算法相比單純的目標(biāo)跟蹤算法表現(xiàn)出了更好的特性，因此本文將展開對(duì)目標(biāo)檢測和目標(biāo)跟蹤兩個(gè)方面的研究，尋找更

2、好的方法對(duì)目標(biāo)進(jìn)行描述，能夠檢測到目標(biāo)并實(shí)時(shí)的跟住目標(biāo)。
　　對(duì)于目標(biāo)檢測系統(tǒng)，在其訓(xùn)練階段，首先采用多尺度滑動(dòng)窗口法對(duì)圖像進(jìn)行掃描和搜索，對(duì)每個(gè)滑動(dòng)窗口分別計(jì)算方向梯度直方圖(Histogram of OrientedGradient，HOG)特征與語義局部二值模式(Semantic Local binary Pattern，SLBP)特征，然后利用主成分分析(Principal Component Analysis，PCA)將

3、 HOG特征降到特定的維數(shù)，并將兩者結(jié)合構(gòu)成聯(lián)合特征，接著利用線性支持向量機(jī)(SupportVector Machine，SVM)訓(xùn)練分類器，最后采用上下文信息對(duì)檢測到的目標(biāo)框做優(yōu)化處理。實(shí)驗(yàn)證明改進(jìn)后的方法具有準(zhǔn)確率高、受外界因素影響小、計(jì)算量小等優(yōu)點(diǎn)。
　　對(duì)于目標(biāo)跟蹤系統(tǒng)，本文采用的是經(jīng)典的基于檢測的跟蹤-學(xué)習(xí)-檢測(Tracking-Learning-Detection，TLD)跟蹤框架。TLD算法在目標(biāo)受到部分遮擋、變形