基于TLD框架的目標(biāo)跟蹤算法研究.pdf

1、由于目標(biāo)跟蹤在實(shí)際生活中的重要性，使得目標(biāo)跟蹤受到了廣泛的研究和關(guān)注。目前，目標(biāo)跟蹤已經(jīng)廣泛應(yīng)用于人機(jī)交互、智能交通、視頻監(jiān)控等領(lǐng)域。盡管目標(biāo)跟蹤取得了快速的發(fā)展，但是姿態(tài)變化、光照改變、形變、突然運(yùn)動(dòng)以及遮擋等因素都會(huì)引起目標(biāo)對(duì)象的改變，因此構(gòu)造一個(gè)魯棒而有效的跟蹤系統(tǒng)仍然具有挑戰(zhàn)性。
　　當(dāng)前主流的跟蹤算法是基于檢測(cè)的目標(biāo)跟蹤算法。作為一種流行的基于檢測(cè)的跟蹤算法，Tracking-Learning-Detection跟蹤算法

2、，即TLD跟蹤算法受到了廣泛的關(guān)注。TLD算法將長(zhǎng)時(shí)間跟蹤過(guò)程分為跟蹤、學(xué)習(xí)、檢測(cè)三個(gè)部分。量化評(píng)估顯示，TLD跟蹤算法優(yōu)于目前的大多數(shù)跟蹤算法，尤其是在長(zhǎng)時(shí)間跟蹤方面。然而，在遇到目標(biāo)遮擋、姿態(tài)變化和光照變化等情況時(shí)，TLD跟蹤算法仍然存在問(wèn)題。
　　在分析卡爾曼濾波、SIR粒子濾波以及均值漂移等跟蹤算法的基礎(chǔ)上，論文提出了幾種改進(jìn)的跟蹤算法來(lái)解決TLD跟蹤中的目標(biāo)遮擋問(wèn)題。論文的主要工作如下:
　　(1)提出了一種基于卡

3、爾曼濾波的抗遮擋TLD跟蹤算法。當(dāng)TLD跟蹤良好時(shí)，TLD為卡爾曼濾波提供觀測(cè)值，并且不斷修正卡爾曼濾波器的參數(shù)。當(dāng)目標(biāo)出現(xiàn)遮擋的時(shí)候，通過(guò)卡爾曼濾波預(yù)測(cè)出目標(biāo)的位置，并且利用該預(yù)測(cè)值作為觀測(cè)值更新卡爾曼濾波器。實(shí)驗(yàn)結(jié)果表明，在目標(biāo)遇到嚴(yán)重遮擋以及全遮擋的情況下，提出的算法仍然非常有效。
　　(2)提出了一種基于SIR粒子濾波的抗遮擋TLD跟蹤算法。利用TLD的置信度作為判斷依據(jù)，當(dāng)TLD的置信度比較高的時(shí)候，利用TLD的預(yù)測(cè)框?qū)?/p>

4、粒子濾波進(jìn)行初始化，以避免SIR粒子濾波算法的粒子貧乏問(wèn)題，并且充分發(fā)揮了粒子濾波的抗遮擋跟蹤能力。實(shí)驗(yàn)結(jié)果表明，這種方法在應(yīng)對(duì)目標(biāo)遮擋跟蹤方面能夠取得很好的效果。
　　(3)提出了一種基于均值漂移的抗遮擋TLD跟蹤算法。在實(shí)現(xiàn)了一種基于卡爾曼濾波的均值漂移算法的基礎(chǔ)上，借鑒該算法的思想，提出了一種基于均值漂移的抗遮擋TLD跟蹤算法。通過(guò)對(duì)TLD跟蹤預(yù)測(cè)框置信度的判斷，動(dòng)態(tài)設(shè)置均值漂移算法的迭代搜索起始點(diǎn)，最終比較準(zhǔn)確的獲得當(dāng)前幀

5、中目標(biāo)的位置。實(shí)驗(yàn)結(jié)果表明，該算法在應(yīng)對(duì)目標(biāo)遮擋跟蹤方面性能良好。
　　本論文所提出的三種TLD改進(jìn)算法，均能夠提高TLD跟蹤算法的抗遮擋跟蹤能力。其中，基于卡爾曼濾波的TLD跟蹤算法能夠很好的應(yīng)對(duì)線性運(yùn)動(dòng)下的目標(biāo)嚴(yán)重遮擋和全遮擋情況?；诹Ｗ訛V波的TLD跟蹤算法和基于均值漂移的TLD跟蹤算法能夠很好的應(yīng)對(duì)非線性運(yùn)動(dòng)下的目標(biāo)遮擋情況。從整體上看，后兩種改進(jìn)算法的跟蹤精度都要明顯優(yōu)于TLD跟蹤算法，并且基于均值漂移的TLD跟蹤算法表