基于在線學習的非特定目標長時間跟蹤技術研究.pdf

1、非特定目標的長時間跟蹤技術是指對視頻中感興趣的目標區(qū)域進行持續(xù)有效地跟蹤。需要解決的一種問題是，對于目標運動較為激烈的視頻序列，如何對產(chǎn)生形變的目標繼續(xù)跟蹤。目標跟蹤過程中的在線學習就是解決這一問題的一種頗為有效的方法。
　　本文首先給出了一種基于在線學習的目標模板更新方法。通過計算掃描窗口與目標框的重疊度來判定正負樣本并更新目標模板，重疊度定義為兩個矩形框的交集與均值面積之比。隨后，在跟蹤-學習-檢測算法(Tracking-Le

2、arning-Detection，TLD)的基礎上，采用本文給出的目標模板更新方法進行實驗分析。同時，針對TLD跟蹤系統(tǒng)進行了創(chuàng)新性改進，實現(xiàn)可靠且準確的目標跟蹤，提高了系統(tǒng)的跟蹤成功率。
　　本文的主要工作有:
　　1.提出一種基于在線學習的目標模板更新方法，并將該方法應用到TLD跟蹤系統(tǒng)之中，提高了系統(tǒng)的跟蹤成功率。
　　2.通過對TLD跟蹤系統(tǒng)初始化部分的研究，對其初始模板的生成方法進行了改進。由鼠標拖動形成矩形

3、框作為初始目標區(qū)域改成鼠標單擊選擇矩形中心，生成初始目標模板。減少了背景區(qū)域的干擾，同時使操作更加簡便。
　　3.改進了TLD系統(tǒng)的檢測模塊，在檢測模塊中的第一步方差濾波器之前引入了幀間差分法，將利用幀間差分法檢測到的含有目標的圖像塊輸入給方差濾波器，提高了檢測模塊的準確性以及效率。
　　4.在VS2008與OpenCV2.3.1平臺上，本文對原始方法與改進后的方法進行比較，分別采用多次實驗取平均值法與固定目標框的方法進行實