基于tld的視頻目標(biāo)跟蹤算法的應(yīng)用與研究

《基于tld的視頻目標(biāo)跟蹤算法的應(yīng)用與研究》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)校代碼：10255學(xué)號(hào)：2131583基于TLD的視頻目標(biāo)跟蹤算法的應(yīng)用與研究ApplicationandResearchofVideoObjectTrackingAlgorithmBasedOnTLD學(xué)科專業(yè)：軟件工程作者：李楚陽指導(dǎo)教師：黃永鋒答辯日期：2016年5月東華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院SchoolofComputerScienceandTechnologyDonghuaUniversity基于TLD的視頻目標(biāo)跟蹤算法的應(yīng)用與研究基于TLD的視頻目標(biāo)跟蹤算法的應(yīng)用與研究摘要隨著物聯(lián)網(wǎng)技術(shù)的高速發(fā)展，監(jiān)控?cái)z像頭逐漸覆蓋我們?nèi)粘Ｉ畹母鱾€(gè)角落，視頻目標(biāo)跟蹤

2、技術(shù)也被應(yīng)用于各種實(shí)際監(jiān)控場(chǎng)景。目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，各種目標(biāo)跟蹤算法效果不盡相同。TLD(跟蹤-學(xué)習(xí)-檢測(cè))是一種魯棒性較好的單目標(biāo)跟蹤框架，但實(shí)際中目標(biāo)跟蹤效果受到光照變化、目標(biāo)形變、目標(biāo)旋轉(zhuǎn)以及目標(biāo)遮擋等各種因素的影響。基于LK光流法的TLD框架對(duì)跟蹤目標(biāo)形變和旋轉(zhuǎn)等情況較為敏感，為了提升復(fù)雜環(huán)境下框架跟蹤的魯棒性，本文分別用基于顏色特征的均值平移和粒子濾波跟蹤算法替換LK光流法并對(duì)比，實(shí)驗(yàn)結(jié)果表明基于均值平移算法的TLD框架具有更好的實(shí)時(shí)性及準(zhǔn)確性。TLD框架在單攝像頭目標(biāo)跟蹤中效果較好，但為了實(shí)現(xiàn)大范圍長時(shí)間跟蹤，一般需要在多攝像頭系統(tǒng)中對(duì)目

3、標(biāo)進(jìn)行跟蹤。由于多個(gè)攝像頭之間需要進(jìn)行目標(biāo)交接和數(shù)據(jù)融合，因此TLD框架不能直接應(yīng)用于多攝像頭目標(biāo)跟蹤。本文通過對(duì)TLD框架各個(gè)模塊進(jìn)行改進(jìn)設(shè)計(jì)了一種非重疊多攝像頭目標(biāo)跟蹤系統(tǒng)。TLD框架統(tǒng)一維護(hù)一個(gè)樣本分類器，使用仿射變換生成新樣本，通過在線學(xué)習(xí)更新分類器參數(shù)，對(duì)多個(gè)攝像頭目標(biāo)數(shù)據(jù)進(jìn)行融合；為了實(shí)現(xiàn)目標(biāo)交接，對(duì)I基于TLD的視頻目標(biāo)跟蹤算法的應(yīng)用與研究一定范圍內(nèi)攝像頭視頻幀進(jìn)行掃描，通過相似度對(duì)比得到目標(biāo)所在攝像頭及其位置信息。分別用基于顏色特征的均值平移和粒子濾波跟蹤算法對(duì)跟蹤模塊進(jìn)行替換并實(shí)驗(yàn)，結(jié)果表明系統(tǒng)能夠?qū)崿F(xiàn)非重疊多攝像頭下的目標(biāo)連續(xù)跟蹤，并且基于均值平

4、移跟蹤算法的TLD框架效果較好。本文通過對(duì)TLD框架進(jìn)行改進(jìn)，解決了其在旋轉(zhuǎn)、變形等場(chǎng)景下效果不理想的缺點(diǎn)，并將TLD框架應(yīng)用于多攝像頭監(jiān)控系統(tǒng)，實(shí)現(xiàn)了多攝像頭下的目標(biāo)跟蹤。關(guān)鍵詞：TLD；目標(biāo)跟蹤；粒子濾波；均值平移；多攝像頭-II-基于TLD的視頻目標(biāo)跟蹤算法的應(yīng)用與研究APPLICATIONANDRESEARCHOFVIDEOOBJECTTRACKINGALGORITHMBASEDONTLDABSTRACTWiththerapiddevelopmentoftheInternetofThingstechnology,surveillancecamerasgrad

5、uallycovereverycornerofourdailylifeandvideotrackingtechnologyisalsousedinvariouspracticalsurveillancescenarios.Objecttrackingisahotfieldofcomputervision,andtheeffectofvariousobjecttrackingalgorithmsisdifferent.TLD(tracking-learning-detection)isarobustsingletargettrackingframework,butth

6、eresultofobjecttrackingisaffectedbyvariousfactorsinpractice,suchaslightingchanges,objectstrain,objectrotationandobjectocclusionandsoon.TLDframeworkbasedonLKopticalflowismoresensitivetotrackobjectwithdeformationandrotation.Inordertoenhancerobustnessofthetrackingframeworkincomplexenviron

7、ment,MeanshiftandparticlefiltertrackingalgorithmbasedoncolorfeaturesareusedtoreplacetheLKopticalflowandexperimentalresultsshowthattheTLDframeworkbasedonmeanshiftalgorithmhasbetterreal-timeperformanceandaccuracy.TLDframeworkhasgoodtrackingperformanceinsinglecamera.Butinordertoachievea