基于TLD的視頻目標跟蹤算法的研究.pdf

1、本文以視頻目標跟蹤為研究重點,著重研究和分析了目標跟蹤算法中以TLD(tracking—learning—detection)為系統(tǒng)框架的算法。TLD只需要較少的先驗信息就可以實現(xiàn)對目標的長期在線跟蹤。基于TLD的目標跟蹤系統(tǒng)主要由4個部分組成:跟蹤模塊、檢測模塊、綜合模塊和學習模塊。跟蹤模塊利用金字塔LK光流法預測出跟蹤目標在當前幀中的位置信息。檢測模塊檢測當前幀中的全部的掃描子窗口,檢測到目標可能出現(xiàn)的一個或者多個位置。綜合處理模塊

2、根據(jù)跟蹤結(jié)果和檢測結(jié)果給出當前幀中是否存在目標以及目標的位置等信息。學習模塊對檢測結(jié)果、綜合輸出結(jié)果和跟蹤結(jié)果進行學習,從而完成對檢測模塊和跟蹤模塊的更新,對于提高目標的長期在線跟蹤的綜合性能方面非常有效。
　　TLD目標跟蹤算法雖然實現(xiàn)了對目標的長期的較為準確的跟蹤,但是在實際的應用環(huán)境中其穩(wěn)定性、適應性和實時性等方面還存在著很多問題。本文針對這些問題提出了一些改進的算法。首先在TLD的跟蹤模塊中設計了最近鄰的中值流跟蹤算法,主

3、要對其目標邊界框的選擇進行改進、對跟蹤到的邊界框進行重新的聚類和設計了基于中值的邊界框定位算法來重新確定跟蹤器最后輸出的目標邊界框,與原始TLD中跟蹤器所采用的選用單一的邊界框進行跟蹤相比較,不僅增強了對目標遮擋和光照干擾的魯棒性,而且也提高了跟蹤目標的精度;其次,針對TLD算法中檢測模塊需要檢測所有的子窗口帶來的算法處理速度較低的問題,利用Kalman濾波器估計出目標在當前幀中的大致出現(xiàn)區(qū)域,將這個大致的區(qū)域作為TLD的目標檢測區(qū)域,