資源描述：
《基于檢測(cè)區(qū)域自動(dòng)調(diào)整的tld目標(biāo)跟蹤研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類(lèi)號(hào)：TP311.5單位代碼：10183研究生學(xué)號(hào)：201353R247密級(jí)：公開(kāi)吉林大學(xué)碩士學(xué)位論文（專(zhuān)業(yè)學(xué)位）基于檢測(cè)區(qū)域自動(dòng)調(diào)整的TLD目標(biāo)跟蹤研究ImprovedTLDtargettrackingalgorithmbasedonautomaticadjustmentofsurveyedareas作者姓名：梁宵類(lèi)別：在職工程碩士領(lǐng)域（方向）：軟件工程指導(dǎo)教師：徐長(zhǎng)青培養(yǎng)單位：吉林大學(xué)軟件工程學(xué)院2016年3月基于檢測(cè)區(qū)域自動(dòng)調(diào)整的TLD目標(biāo)跟蹤研究—————————————————————ImprovedTLDtarge
2、ttrackingalgorithmbasedonautomaticadjustmentofsurveyedareas作者姓名：梁宵領(lǐng)域（方向）：軟件工程指導(dǎo)教師：徐長(zhǎng)青副教授類(lèi)別：在職工程碩士答辯日期：2016年11月19日未經(jīng)本論文作者的書(shū)面授權(quán)，巧法收存和保管本論文書(shū)面版本、電子版本的任何單位和個(gè)人，巧不得對(duì)本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承巧侵權(quán)的法律責(zé)任。吉林大學(xué)碩±學(xué)位論文腹創(chuàng)性聲明本人鄭重蘆明：所
3、呈交的碩ｉ學(xué)位論義，足本人在指哥教師的指導(dǎo)下，獨(dú)義進(jìn)行研究工作所取巧的成取除文中己經(jīng)注明引用的內(nèi)容夕ｈ木論義不包含巧何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成＇｜果。巧．本義的研究做；｜重耍貞獻(xiàn)的個(gè)人和集體，均已在義中明備知式標(biāo)明。本人完傘：意識(shí)到本聲明的法律結(jié)果山本人承擔(dān)。學(xué)位論文作者簽名Ｕ期：２０１６年（Ｕ］ＵｆＩ摘要基于檢測(cè)區(qū)域自動(dòng)調(diào)整的TLD目標(biāo)跟蹤研究傳統(tǒng)TLD(TrackingLearningDetection)(跟蹤-學(xué)習(xí)-檢測(cè))是一種半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤算法架構(gòu)。為了能夠?qū)崿F(xiàn)對(duì)
4、跟蹤目標(biāo)長(zhǎng)期跟蹤，首先需要能夠處理復(fù)雜背景、遠(yuǎn)近縮放以及光照變化以及部分遮擋等問(wèn)題的，并且算法的時(shí)間復(fù)雜度要低，能夠達(dá)到實(shí)時(shí)跟蹤的效果。但由于檢測(cè)區(qū)域過(guò)大而導(dǎo)致的檢測(cè)時(shí)間過(guò)長(zhǎng)及對(duì)相似目標(biāo)跟蹤處理效果不理想且只能對(duì)單個(gè)目標(biāo)進(jìn)行跟蹤。針對(duì)上述問(wèn)題，提出一種檢測(cè)區(qū)域可動(dòng)態(tài)自適應(yīng)調(diào)整的方法TLD-DO(TrackingLearningDetection-DetectorOptimization)，并在此方法基礎(chǔ)上對(duì)TLD算法進(jìn)行多目標(biāo)跟蹤優(yōu)化。TLD-DO算法利用提出的兩次Kalman濾波加速度矯正預(yù)測(cè)的檢測(cè)區(qū)域優(yōu)化算法DKF，通過(guò)縮短
5、TLD檢索尺度，在保證跟蹤準(zhǔn)確率的前提下，提高算法的運(yùn)算速率。通過(guò)對(duì)原TLD算法的跟蹤器、檢測(cè)器及學(xué)習(xí)器的多目標(biāo)改進(jìn)，使其能夠在同一幀中有效的同時(shí)跟蹤多個(gè)目標(biāo)。實(shí)驗(yàn)結(jié)果表明：TLD-DO算法在處理不同視頻與跟蹤目標(biāo)時(shí)，檢測(cè)速度有1.31-3.19倍提升；同時(shí)，TLD-DO多目標(biāo)跟蹤算法不但繼承了TLD-DO算法運(yùn)算速度快、抗干擾能力強(qiáng)的特點(diǎn)，更在其能夠處理多目標(biāo)跟蹤的基礎(chǔ)上，對(duì)解決多相似目標(biāo)的跟蹤問(wèn)題有較為優(yōu)秀的辨別處理能力。關(guān)鍵詞：目標(biāo)跟蹤；TLD算法；多目標(biāo)；檢測(cè)區(qū)域；跟蹤速度-1-AbstractImprovedTLDta
6、rgettrackingalgorithmbasedonautomaticadjustmentofsurveyedareasTraditionalTLD(trackinglearningdetection)isasemisupervisedlearningalgorithmfortargettrackingarchitecture.Inordertoachievetheobjectcanbetrackedlong-term,firstofall,algorithmneedtodealwithcomplexbackground,d
7、istancescalingandlightaccordingtochanges,partialocclusionproblemandalgorithm'stimecomplexitytolowtoachievetheeffectofreal-timetracking.Butalgorithmthetimeofdetectionprocessingtakestoolongandtheresultofsimilarobjecttrackingisnotsatisfactory.AnotherprobleminTLDmodelist
8、hatitcan'thandmultiple-objecttrackingineverysinglevideoframe.Thereforeinthispaper,anefficientapproach(TLD-DO)isproposedforobjecttra
