基于改進(jìn)的tld目標(biāo)跟蹤算法研究

《基于改進(jìn)的tld目標(biāo)跟蹤算法研究》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、基于改進(jìn)的TLD目標(biāo)跟蹤算法研究-->第1章緒論1.1課題背景及研究的目的和意義伴隨著現(xiàn)代科學(xué)技術(shù)的不斷創(chuàng)新發(fā)展，人民生活質(zhì)量的不斷提高，不論是個(gè)人還是團(tuán)體，安全防范意識也在逐步增強(qiáng)，人們越來越重視對于視頻監(jiān)控系統(tǒng)的使用?，F(xiàn)如今，在道路交通[1]、智能小區(qū)、軍事等各領(lǐng)域都使用了視頻監(jiān)控系統(tǒng)。視頻監(jiān)控系統(tǒng)已逐步取代了原始簡單的功能，像人工監(jiān)視的視頻、多畫面顯示的系統(tǒng)以及硬盤錄像類，利用計(jì)算機(jī)的功能向智能監(jiān)控的方向邁進(jìn)。智能視頻監(jiān)控[2,3]是計(jì)算機(jī)領(lǐng)域中新興的一個(gè)高科技應(yīng)用，受到了廣泛的關(guān)注和研究。其中，智能視頻監(jiān)控利用圖像處理和機(jī)器視覺的相關(guān)方法，自動(dòng)并實(shí)時(shí)地對監(jiān)控視頻進(jìn)行

2、分析，通過對動(dòng)態(tài)場景中目標(biāo)的分析，能夠完成對目標(biāo)位置的確定、目標(biāo)的識別以及目標(biāo)的實(shí)時(shí)跟蹤等一系列任務(wù)，進(jìn)而能進(jìn)一步分析出目標(biāo)的行為，而目標(biāo)跟蹤技術(shù)作為智能監(jiān)控系統(tǒng)的核心必將成為科學(xué)研究領(lǐng)域的新寵。...............1.2國內(nèi)外研究現(xiàn)狀目標(biāo)跟蹤的問題備受國內(nèi)外學(xué)者們的熱捧，不斷地對該領(lǐng)域逐步深入研究并發(fā)表了大量的論文。在眾多舉足輕重的國際期刊和會(huì)議上目標(biāo)跟蹤問題也成為關(guān)注的焦點(diǎn)，如ECCV、CVPR、ICCV等。下面將對幾種典型的目標(biāo)跟蹤算法進(jìn)行介紹。1.基于模板匹配的目標(biāo)跟蹤算法基于模板匹配的目標(biāo)跟蹤算法[5]實(shí)現(xiàn)的基本流程如圖1-1所示，利用標(biāo)注好的視頻序列圖

3、像來構(gòu)建目標(biāo)的特征模型，隨后提取當(dāng)前幀中待測圖像的特征，將構(gòu)建的特征模型與提取的特征進(jìn)行匹配，標(biāo)注出當(dāng)前幀中待測圖像的目標(biāo)。這種跟蹤算法依靠的是目標(biāo)本身的特征，受外界干擾少，但采用固定的模板使跟蹤效果不佳，因此通常會(huì)加入模板的更新過程。其中，常用的幾種跟蹤算法如：歸一化互相關(guān)(NormalizedCrossCorrelation,NCC)匹配目標(biāo)跟蹤算法[6]，KLT(Kanade-Lucas-Tomasi)光流法[7]，卡爾曼濾波(KalmanFilterAlgorithm,KAT)[8]，均值移位法(MeanShift,MST)[9]等。...............第

4、2章目標(biāo)跟蹤算法概述2.1圖像目標(biāo)的表示根據(jù)選擇的跟蹤方法以及被跟蹤目標(biāo)類型的不同，需要選取不同的表示形式，可以用點(diǎn)、簡單的幾何圖形、目標(biāo)輪廓或剪影、鏈狀區(qū)域和骨干結(jié)構(gòu)進(jìn)行表示。另外，也可以采用多種表示形式共同來表示目標(biāo)。1.點(diǎn)用點(diǎn)來表示目標(biāo)的關(guān)鍵性特征，如質(zhì)心和關(guān)節(jié)點(diǎn)。當(dāng)目標(biāo)占據(jù)圖像較小的一部分時(shí)，如遠(yuǎn)處空中的小鳥，渺小的行人等，一般用點(diǎn)來表示。2.簡單的幾何圖形用圓形框、矩形框標(biāo)定目標(biāo)的位置，這種方法在目標(biāo)跟蹤中被廣泛應(yīng)用。不僅適用于剛性目標(biāo)，這種簡單的表示方法對于人等非剛性目標(biāo)也同樣適用，本文就是采用簡單的矩形框?qū)δ繕?biāo)進(jìn)行標(biāo)定。...............2.2目標(biāo)

5、的特征描述目標(biāo)特征描述的好壞直接影響到跟蹤的效果，因此需要尋找一種能夠很好的區(qū)分目標(biāo)與背景之間的特征來表示目標(biāo)。同時(shí)，該特征也能夠應(yīng)對目標(biāo)的變化帶來的干擾。顏色特征、邊緣特征、紋理特征、結(jié)構(gòu)特征等都是描述目標(biāo)特征的方法。下面將對這幾種特征進(jìn)行詳細(xì)的描述。1.顏色特征顏色特征是彩色圖像具有的最突出的特征，不會(huì)因?yàn)槟繕?biāo)的運(yùn)動(dòng)而發(fā)生變化，具有相對的穩(wěn)定性，相比于灰度具有更為豐富的信息，普遍用三個(gè)互不相關(guān)的屬性來描述顏色，即構(gòu)成了顏色空間。常見的顏色空間模型有RGB、Lab、HSV、YCbCr顏色空間等，其中本文中用到了Lab顏色空間。...............第3章基于HOG

6、-SLBP的目標(biāo)檢測算法研究...............163.1目標(biāo)檢測算法概述...............163.2圖像目標(biāo)的特征提取................17第4章基于改進(jìn)的TLD目標(biāo)跟蹤算法研究...............304.1TLD目標(biāo)跟蹤算法的基本原理................304.2基于SLBP分類器與TLD融合的跟蹤算法...............37第4章基于改進(jìn)的TLD目標(biāo)跟蹤算法研究4.1TLD目標(biāo)跟蹤算法的基本原理在TLD跟蹤算法中，跟蹤器是用來跟蹤連續(xù)視頻序列中的目標(biāo)，能夠利用當(dāng)前幀預(yù)測下一幀中跟蹤目標(biāo)的位置。在本算法

7、中利用的是中值光流(Median-Flow)跟蹤算法[45]，采用的是光流特征，其中選取了100個(gè)特征點(diǎn)。中值光流跟蹤算法采用的是基于金字塔L-K(Lucas-Kanade)光流算法進(jìn)行跟蹤，同時(shí)利用前后向(Forward-Backward,FB)誤差和特征點(diǎn)前后幀的相似度來進(jìn)行檢測和判斷。...............4.2基于SLBP分類器與TLD融合的跟蹤算法在TLD跟蹤算法的檢測器中，級聯(lián)的三個(gè)分類器是單獨(dú)工作的，只是前一分類器的結(jié)果會(huì)作為后一分類器的輸入，經(jīng)過方差分類器和集成分類器篩選得到的待檢測樣本還需