基于TLD的目標(biāo)跟蹤算法研究與實(shí)現(xiàn).pdf

1、隨著社會的進(jìn)步和計(jì)算機(jī)技術(shù)的發(fā)展，目標(biāo)跟蹤技術(shù)也應(yīng)用到生活中各個方面，目標(biāo)跟蹤算法也是目前機(jī)器學(xué)習(xí)領(lǐng)域一個熱門的研究課題。本文主要研究基于TLD(Tracking-Learning-Detection)框架的目標(biāo)跟蹤算法，學(xué)習(xí)和分析TLD算法，然后提出一種改進(jìn)型的TLD算法，在這個算法的基礎(chǔ)上設(shè)計(jì)一個目標(biāo)跟蹤系統(tǒng)，并實(shí)現(xiàn)對任意目標(biāo)的自動跟蹤。
　　論文主要工作如下：
　　1.研究當(dāng)前新興起的一種高效目標(biāo)跟蹤方法TLD(Tra

2、cking-Learning-Detection)，在此基礎(chǔ)上，對TLD加以改進(jìn)，針對TLD算法對目標(biāo)的細(xì)節(jié)描述能力不夠，跟蹤學(xué)習(xí)時存在目標(biāo)漂移以及增量分類器的增長過快的問題，對檢測器進(jìn)行改進(jìn)，以最近鄰增量分類器中的目標(biāo)特征算子為主要的研究對象，引入多種描敘目標(biāo)特征算子優(yōu)化最近鄰增量分類器，對于不同目標(biāo)物體分別采用不同特征算子來進(jìn)行檢測對比，提出在TLD算法框架里使用Haar算子和基于NCC匹配的增量式分類器檢測物體，不僅能減少增量分類

3、器的存儲開銷和“復(fù)習(xí)”原有知識的計(jì)算開銷，還能提高目標(biāo)的細(xì)節(jié)識別能力和正確率，能夠獲得比原始算法更理想的跟蹤效果。
　　2.設(shè)計(jì)并實(shí)現(xiàn)了一個基于改進(jìn)的TLD算法的目標(biāo)跟蹤系統(tǒng)，該系統(tǒng)采用MFC編程和OpenCV圖像處理庫來設(shè)計(jì)實(shí)現(xiàn)，可以通過軟件界面上可選框來調(diào)節(jié)跟蹤算法的參數(shù)，提供了一個良好的交互平臺，從而更好的跟蹤目標(biāo)。
　　本文的工作不僅涉及TLD目標(biāo)跟蹤系統(tǒng)的理論研究，而且給出了使用改進(jìn)的TLD算法的具體系統(tǒng)設(shè)計(jì)方案，