基于TLD的目標(biāo)跟蹤算法研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩47頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著社會(huì)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(gè)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(gè)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(gè)算法的基礎(chǔ)上設(shè)計(jì)一個(gè)目標(biāo)跟蹤系統(tǒng),并實(shí)現(xiàn)對(duì)任意目標(biāo)的自動(dòng)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(duì)TLD加以改進(jìn),針對(duì)TLD算法對(duì)目標(biāo)的細(xì)節(jié)描述能力不夠,跟蹤學(xué)習(xí)時(shí)存在目標(biāo)漂移以及增量分類器的增長(zhǎng)過快的問題,對(duì)檢測(cè)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(duì)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(duì)于不同目標(biāo)物體分別采用不同特征算子來進(jìn)行檢測(cè)對(duì)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(cè)物體,不僅能減少增量分類

3、器的存儲(chǔ)開銷和“復(fù)習(xí)”原有知識(shí)的計(jì)算開銷,還能提高目標(biāo)的細(xì)節(jié)識(shí)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(gè)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(kù)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(gè)良好的交互平臺(tái),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,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論