資源描述：
《tld目標(biāo)跟蹤算法的改進(jìn)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)號(hào)130085208014TLD目標(biāo)跟蹤算法的改進(jìn)題目研究作者廖劍蘭學(xué)科、專業(yè)電子與通信工程指導(dǎo)教師張小鋒副教授申請(qǐng)學(xué)位日期2016年6月學(xué)校代碼：10406分類號(hào)：TP391.4學(xué)號(hào)：130085208014南昌航空大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位研究生）TLD目標(biāo)跟蹤算法的改進(jìn)研究碩士研究生：廖劍蘭導(dǎo)師：張小鋒副教授申請(qǐng)學(xué)位級(jí)別：碩士學(xué)科、專業(yè)：電子與通信工程所在單位：信息工程學(xué)院答辯日期：2016年6月授予學(xué)位單位：南昌航空大學(xué)TheimprovedresearchoftargettrackingalgorithmbasedonTLDframworkinvideoimages
2、ADissertationSubmittedfortheDegreeofMasterOnElectronicsandCommunicationEngineeringbyLiaoJianlanUndertheSupervisionofA.Prof.ZhangXiaofengSchoolofInformationEngineeringNanchangHangkongUniversity,Nanchang,ChinaJuly,2016摘要視頻目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的重點(diǎn)研究方向之一，在軍事和民用領(lǐng)域得到了廣泛的應(yīng)用，比如導(dǎo)彈制導(dǎo)，智能交通，安防監(jiān)控及醫(yī)學(xué)圖像等諸多領(lǐng)域，因此，對(duì)
3、視頻目標(biāo)跟蹤技術(shù)的研究有著重要的經(jīng)濟(jì)價(jià)值和廣泛的應(yīng)用前景。視頻目標(biāo)跟蹤技術(shù)在近三十年得到了快速的發(fā)展，但能長時(shí)間可靠地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的技術(shù)還遠(yuǎn)未成熟。TLD跟蹤算法是一種能長時(shí)間對(duì)目標(biāo)進(jìn)行跟蹤的算法，然而，該算法在遇到目標(biāo)遮擋、形變、光照變化以及目標(biāo)數(shù)量較多等情況時(shí)，就不能對(duì)目標(biāo)進(jìn)行很好地跟蹤。本文對(duì)TLD跟蹤算法進(jìn)行了深入分析，并對(duì)其在應(yīng)對(duì)遮擋、形變、光照變化的不足和實(shí)時(shí)性較差等問題，提出了相應(yīng)的改進(jìn)措施，主要有以下幾個(gè)方面：（1）提出了一種TLD跟蹤算法與卡爾曼濾波相結(jié)合的跟蹤算法。該算法主要是解決單目標(biāo)出現(xiàn)遮擋導(dǎo)致跟蹤失敗的問題。當(dāng)正常跟蹤時(shí)，利用TLD跟蹤下一幀的狀
4、態(tài)作為觀測(cè)值更新卡爾曼濾波器；當(dāng)目標(biāo)出現(xiàn)遮擋時(shí)，利用卡爾曼預(yù)測(cè)的下一幀狀態(tài)作為觀測(cè)值更新TLD跟蹤算法。（2）提出一種TLD跟蹤算法與尺度自適應(yīng)meanshift相結(jié)合的跟蹤算法。該方法主要是解決單目標(biāo)出現(xiàn)形變導(dǎo)致跟蹤失敗的問題。通過TLD跟蹤算法動(dòng)態(tài)調(diào)整尺度自適應(yīng)meanshift算法的迭代起始點(diǎn)，之后，利用尺度自適應(yīng)meanshift為TLD跟蹤算法提供更新模板。（3）提出一種改進(jìn)的TLD多目標(biāo)跟蹤算法。該算法分別對(duì)TLD模型中的檢測(cè)器和跟蹤器進(jìn)行了改進(jìn)。對(duì)檢測(cè)器的改進(jìn)主要體現(xiàn)在通過提升檢測(cè)器的檢測(cè)效率和降低算法的運(yùn)算量，來提高跟蹤的實(shí)時(shí)性。對(duì)跟蹤器的改進(jìn)主要是對(duì)它所采用的
5、LK光流法進(jìn)行改進(jìn)，解決LK光流法不能對(duì)大幅運(yùn)動(dòng)的目標(biāo)和光流場(chǎng)變化的目標(biāo)進(jìn)行很好跟蹤的問題。通過一系列的實(shí)驗(yàn)仿真，結(jié)果表明，本文的算法改善了TLD單目標(biāo)跟蹤過程中目標(biāo)出現(xiàn)遮擋或形變導(dǎo)致跟蹤失敗的問題，以及TLD多目標(biāo)跟蹤實(shí)時(shí)性差和不能很好跟蹤大幅運(yùn)動(dòng)目標(biāo)的問題。關(guān)鍵詞：目標(biāo)跟蹤，遮擋，形變，光照變化，實(shí)時(shí)性IAbstractVisualtrackinginvideoimageshasalwaysbeenakeyresearchdirectioninthefieldofpatternrecognition.Ithaswidelyapplicationprospectandhuge
6、economicvalueinmilitaryandcivilfield,suchasmissileguidance,trafficmonitoring,securityalarming,intelligentnavigationandtheotherareas.Thetechnologyoftargettrackinginvideoimageshasbeendevelopingrapidlyinthepastthirtyyears,butthewaysforlongtimeofreliabletrackingarecurrentlyfarfrommature.TLD(Trac
7、kingLearningDetection)isanalgorithmsuitableforlongtimetracking,however,therearestillobjectocclusion,posevariation,illuminationandreal-timeproblems.TosolvetheseproblemsofTLD,weproposedthecorrespondingimprovementmeasures,mainlyinthefollowingaspects:(
