tld目標跟蹤算法的改進研究

tld目標跟蹤算法的改進研究

ID:35174959

大小:3.81 MB

頁數(shù):75頁

時間:2019-03-20

tld目標跟蹤算法的改進研究_第1頁
tld目標跟蹤算法的改進研究_第2頁
tld目標跟蹤算法的改進研究_第3頁
tld目標跟蹤算法的改進研究_第4頁
tld目標跟蹤算法的改進研究_第5頁
資源描述:

《tld目標跟蹤算法的改進研究》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫。

1、學號130085208014TLD目標跟蹤算法的改進題目研究作者廖劍蘭學科、專業(yè)電子與通信工程指導教師張小鋒副教授申請學位日期2016年6月學校代碼:10406分類號:TP391.4學號:130085208014南昌航空大學碩士學位論文(專業(yè)學位研究生)TLD目標跟蹤算法的改進研究碩士研究生:廖劍蘭導師:張小鋒副教授申請學位級別:碩士學科、專業(yè):電子與通信工程所在單位:信息工程學院答辯日期:2016年6月授予學位單位:南昌航空大學TheimprovedresearchoftargettrackingalgorithmbasedonTLDframworkinvideoimages

2、ADissertationSubmittedfortheDegreeofMasterOnElectronicsandCommunicationEngineeringbyLiaoJianlanUndertheSupervisionofA.Prof.ZhangXiaofengSchoolofInformationEngineeringNanchangHangkongUniversity,Nanchang,ChinaJuly,2016摘要視頻目標跟蹤技術是計算機視覺領域的重點研究方向之一,在軍事和民用領域得到了廣泛的應用,比如導彈制導,智能交通,安防監(jiān)控及醫(yī)學圖像等諸多領域,因此,對

3、視頻目標跟蹤技術的研究有著重要的經濟價值和廣泛的應用前景。視頻目標跟蹤技術在近三十年得到了快速的發(fā)展,但能長時間可靠地對運動目標進行跟蹤的技術還遠未成熟。TLD跟蹤算法是一種能長時間對目標進行跟蹤的算法,然而,該算法在遇到目標遮擋、形變、光照變化以及目標數(shù)量較多等情況時,就不能對目標進行很好地跟蹤。本文對TLD跟蹤算法進行了深入分析,并對其在應對遮擋、形變、光照變化的不足和實時性較差等問題,提出了相應的改進措施,主要有以下幾個方面:(1)提出了一種TLD跟蹤算法與卡爾曼濾波相結合的跟蹤算法。該算法主要是解決單目標出現(xiàn)遮擋導致跟蹤失敗的問題。當正常跟蹤時,利用TLD跟蹤下一幀的狀

4、態(tài)作為觀測值更新卡爾曼濾波器;當目標出現(xiàn)遮擋時,利用卡爾曼預測的下一幀狀態(tài)作為觀測值更新TLD跟蹤算法。(2)提出一種TLD跟蹤算法與尺度自適應meanshift相結合的跟蹤算法。該方法主要是解決單目標出現(xiàn)形變導致跟蹤失敗的問題。通過TLD跟蹤算法動態(tài)調整尺度自適應meanshift算法的迭代起始點,之后,利用尺度自適應meanshift為TLD跟蹤算法提供更新模板。(3)提出一種改進的TLD多目標跟蹤算法。該算法分別對TLD模型中的檢測器和跟蹤器進行了改進。對檢測器的改進主要體現(xiàn)在通過提升檢測器的檢測效率和降低算法的運算量,來提高跟蹤的實時性。對跟蹤器的改進主要是對它所采用的

5、LK光流法進行改進,解決LK光流法不能對大幅運動的目標和光流場變化的目標進行很好跟蹤的問題。通過一系列的實驗仿真,結果表明,本文的算法改善了TLD單目標跟蹤過程中目標出現(xiàn)遮擋或形變導致跟蹤失敗的問題,以及TLD多目標跟蹤實時性差和不能很好跟蹤大幅運動目標的問題。關鍵詞:目標跟蹤,遮擋,形變,光照變化,實時性IAbstractVisualtrackinginvideoimageshasalwaysbeenakeyresearchdirectioninthefieldofpatternrecognition.Ithaswidelyapplicationprospectandhuge

6、economicvalueinmilitaryandcivilfield,suchasmissileguidance,trafficmonitoring,securityalarming,intelligentnavigationandtheotherareas.Thetechnologyoftargettrackinginvideoimageshasbeendevelopingrapidlyinthepastthirtyyears,butthewaysforlongtimeofreliabletrackingarecurrentlyfarfrommature.TLD(Trac

7、kingLearningDetection)isanalgorithmsuitableforlongtimetracking,however,therearestillobjectocclusion,posevariation,illuminationandreal-timeproblems.TosolvetheseproblemsofTLD,weproposedthecorrespondingimprovementmeasures,mainlyinthefollowingaspects:(

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現(xiàn)內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。