检测区域自适应调整的TLD多目标跟踪算法

发布时间：2018-08-27 19:06

【摘要】：传统的TLD目标跟踪算法由于检测区域过大导致检测时间过长,并对相似目标跟踪效果不理想且只能对单个目标快速跟踪.针对这些问题,利用双Kalman滤波加速预测的DKF检测区域优化算法构造了一种检测区域可自适应调整的多目标跟踪算法——TLD-DOMO算法.TLD-DOMO算法的多目标检测器可对各目标的潜在运动范围进行预测,使其检测区域的大小及位置自适应地调整至最佳状态,以此提升对多目标跟踪的精度及效率.此外,该方法可有效地降低多目标间的相互干扰,支持对多相似目标的同时跟踪.实验结果表明:TLD-DOMO算法在对各测试视频的多目标跟踪中,跟踪速度均有提升,加速比为1.55~2.94倍;在多相似目标跟踪中,对各目标的检测与识别效果优于原TLD算法.
[Abstract]:The traditional TLD target tracking algorithm has long detection time due to the large detection area, and the tracking effect of similar targets is not ideal, and it can only track a single target quickly. In response to these problems, A multi-target tracking algorithm, which can be adaptively adjusted for detecting region, is constructed by using the DKF detection region optimization algorithm, which is accelerated by double Kalman filter. The multi-target detector of TLD-DOMO algorithm. TLD-DOMO algorithm can predict the potential motion range of each target. In order to improve the accuracy and efficiency of multi-target tracking, the size and position of the detection area are adaptively adjusted to the optimal state. In addition, the method can effectively reduce the mutual interference between multiple targets and support simultaneous tracking of multiple similar targets. The experimental results show that the tracking speed of the TLD-DOMO algorithm is 1.55 ~ 2.94 times higher than that of the original TLD algorithm, and the detection and recognition effect of each target is better than that of the original TLD algorithm in multi-similar target tracking.
【作者单位】： 东北大学计算机科学与工程学院;
【基金】：国家科技支撑计划项目(2014BAI17B00) 国家关键科技研发基金资助项目(2015BAH09F02,2015BAH47F03) 国家自然科学基金资助项目(61572116,61572117,61502089) 中央高校基本科研业务费专项资金资助项目(N120804001,N120204003)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期

2 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期

3 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期

4 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期

5 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期

6 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期

7 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

8 郑江滨;李秀秀;张艳宁;;视频监视中的运动目标跟踪算法[J];系统工程与电子技术;2007年11期

9 钟德华;夏翠艳;宋启敏;毛文龙;;多目标跟踪算法的研究与应用[J];计算机测量与控制;2008年06期

10 刘杰;董育宁;;基于预测和粒子滤波的运动目标跟踪算法[J];计算机工程与科学;2009年10期

相关会议论文 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

4 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

5 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

6 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

7 刘立欣;李杰;杨菲;;机载跟踪平台中目标跟踪算法的设计[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

8 杨涛;齐春;;光学式多点触控系统中的多触点目标跟踪算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

9 李波;袁保宗;;LMSF Mean Shift目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

10 李国兵;覃征;郭荣华;李向楠;;基于UKF的快速地面集群目标跟踪算法设计和实现[A];2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）][C];2009年

相关博士学位论文 前10条

1 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

2 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年

3 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年

4 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

5 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

6 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

7 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

8 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年

9 赵运基;基于视觉的目标跟踪算法研究[D];华南理工大学;2012年

10 侯跃恩;基于稀疏表示的视觉目标跟踪算法研究[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年

2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年

3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年

4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年

5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年

6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年

7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年

8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年

9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年

10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年

，

本文编号：2208166