基于TLD和SIFT的視頻分析系統(tǒng)設(shè)計與實現(xiàn).pdf

1、隨著計算機技術(shù)的發(fā)展，視頻處理技術(shù)在日常生活中得到了廣泛應用。視頻處理的基本業(yè)務(wù)是提供實時顯示，并記錄圖像，同時供使用者檢索和查看歷史信息。但是目前的視頻處理大部分仍采用的是人工處理的方式，這樣不僅處理效率不高并且耗費大量人力，因此智能化的視頻處理技術(shù)受到了越來越多的關(guān)注。
　　智能化的視頻處理一般要求該視頻分析系統(tǒng)支持長時間跟蹤處理工作，并且對實時性有較高的需求，系統(tǒng)的工作要盡量多得適應不同的環(huán)境變化。為設(shè)計一個視頻分析系統(tǒng)，本

2、文在目標跟蹤領(lǐng)域的現(xiàn)有研究成果基礎(chǔ)上，選取了將檢測、跟蹤和在線學習相結(jié)合，并支持長時間跟蹤的TLD算法做為系統(tǒng)的關(guān)鍵跟蹤技術(shù)。但本文在設(shè)計視頻分析系統(tǒng)時發(fā)現(xiàn)，TLD算法在長時間跟蹤時會出現(xiàn)個別目標跟蹤漂移的問題；同時在多目標的場景中，TLD跟蹤算法無法很好解決相似目標消失后再次出現(xiàn)的問題。
　　針對目標漂移的問題，本文提出一種基于檢測的矯正方法。該方法通過計算檢測結(jié)果和跟蹤結(jié)果的重合度來校正；若重合度在閾值范圍內(nèi)，則矯正跟蹤結(jié)果，

3、重新初始化跟蹤器。
　　針對相似目標再次出現(xiàn)的問題，本文采用匹配圖像特征的方式來識別目標，選用具有尺度、旋轉(zhuǎn)不變性的SIFT特征作為系統(tǒng)的另一項關(guān)鍵技術(shù)，提出了一種基于 SIFT特征的目標匹配策略。該策略以動態(tài)更新的方式為每個目標建立 SIFT特征庫，目標消失后停止更新。當消失的目標再次出現(xiàn)時，通過匹配消失目標的特征庫，從而識別出該目標，繼續(xù)跟蹤。
　　我們在SIFT特征的應用研究中發(fā)現(xiàn)，該特征存在相同目標間的匹配率和非相同

4、目標間的匹配率區(qū)分度不高的問題，對此本文做了如下應用處理：首先修改特征的邊緣閾值，增加SIFT特征點的數(shù)量；然后采用新的歐氏距離判定點匹配的策略，提高正確匹配的特征點數(shù)量；對于錯誤匹配的特征點，采用基于相似三角形和梯度方向的篩選策略去除。實驗數(shù)據(jù)表明，本文的 SIFT特征匹配方法同原SIFT匹配相比，平均匹配率提高了14％。另外，本文的 SIFT特征的平均匹配速度同原算法相比提高了25%左右。
　　本文使用 QT界面工具搭建視頻處