基于TLD的目标跟踪改进算法研究

发布时间：2018-01-10 08:13

本文关键词：基于TLD的目标跟踪改进算法研究　出处：《中北大学》2016年硕士论文　论文类型：学位论文

【摘要】：随着计算机技术与人工智能的快速发展,机器视觉在监控安防、身份认证、医学诊断、工业检测等领域具有广泛的应用。图像作为人类获取知识的重要来源包含了丰富的信息,因此机器视觉发展的最终目的是实现计算机理解图像中的客观环境,代替人工来做出决策或进一步的上层处理。目标跟踪作为机器视觉的一个研究方向,引起了广泛的关注。本文首先将跟踪算法的处理流程分为四个步骤:特征提取、运动模型、观测模型、模型更新,文章介绍了各个步骤中常用的算法,之后重点研究了Tracking-Learning-Detection(TLD)跟踪算法,TLD跟踪算法是一个单目标长时间跟踪算法,它解决了目标在跟踪视野中消失后又重新出现时的目标捕获问题,算法自2011年提出后引起了极大的关注,众多国内外研究者提出了相应的改进策略。通过对TLD跟踪算法的深入了解,本文详细介绍了算法中的跟踪模块、检测模块、学习模块。通过分析Kalman滤波算法的局限性,文章引入了多新息理论。将多新息Kalman滤波算法(MIKF)引入TLD跟踪算法中,提出了结合多新息Kalman滤波的TLD改进算法(TLD_MIKF)。其次,TLD作为单目标单摄像头的跟踪算法其跟踪视野有较大的局限性,文章提出了基于TLD的多摄像头跟踪算法。改进算法提高了原始TLD算法的鲁棒性并且实现了多摄像头环境下对目标的连续跟踪。文章具体研究内容如下:(1)针对TLD跟踪算法中对目标被遮挡后跟踪失败以及跟踪精度不高的问题,本文结合多新息Kalman滤波算法提出了基于多新息Kalman滤波的TLD改进算法,改进算法对跟踪目标的所在位置建模,将TLD跟踪算法的结果作为系统当前状态的观测值,结合多新息Kalman滤波算法的预测值,优化检测结果,作为当前帧目标的跟踪位置。通过实验对原始TLD算法与加入多新息Kalman滤波的TLD改进算法进行了比较,实验结果表明改进后的算法较原始TLD算法具有更高的跟踪精度,而且实现了对跟踪目标被遮挡后的位置预测。(2)针对TLD算法只能在单视频输入的图像中跟踪目标的局限性,文章引入了公告版的概念,将跟踪目标的位置、模板等信息在全局的跟踪系统中实时公告,并结合Kalman滤波算法预测目标在多摄像头环境下的运动方向,提出了基于TLD的多摄像头跟踪算法。该算法将分布式布局的摄像头抽象为无向图并且在算法运行之前人工确定其拓扑结构,将跟踪过程的实时信息发布在中心服务器维护的公告版中,并动态更新,使用Kalman滤波算法处理遮挡以及实现对跟踪目标运动方向的预测。该算法实现了在多摄像头环境中跟踪单个目标,并记录目标的运动轨迹。(3)本文通过实验对改进算法的有效性验证后,设计并实现了基于TLD的多摄像头单目标跟踪系统,系统可以通过摄像头接入或读取视频文件这两种方式实现两个通道的视频输入,可以实现目标在单摄像头以及双摄像头环境下的跟踪,并且可以选择目标的检索区域,如按车道跟踪目标车辆。
[Abstract]:With the rapid development of computer technology and artificial intelligence , the machine vision has wide application in the fields of monitoring security , identity authentication , medical diagnosis and industrial detection . ( 2 ) Aiming at the limitation of tracking target in single - video input image , the paper introduces the concept of bulletin board , real - time announcement of tracking target location , template and other information in global tracking system .

【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】