基于TLD的多目标快速跟踪算法研究

摘要

针对传统TLD目标跟踪算法由于检测区域过大而导致的检测时间过长及对相似目标跟踪处理效果不理想且只能对单个目标进行跟踪的问题，提出一种检测区域可动态自适应调整的方法TLD-DO(Tracking Learning Detection-Detector Optimization)，并在此方法基础上对TLD算法进行多目标跟踪优化。TLD-DO算法利用提出的两次Kalman滤波加速度矫正预测的检测区域优化算法DKF，通过缩小TLD检测器检测范围，以达到在跟踪精度略有提升的情况下提高跟踪速度的目的;同时此方法可排除画面内相似目标的干扰，提高在含有相似目标的复杂背景下目标跟踪的准确性。通过对原TLD算法的跟踪器、检测器及学习器的多目标改进，使其能够在同一帧中有效的同时跟踪多个目标。实验结果表明:TLD-DO算法在处理不同视频与跟踪目标时，检测速度有1.31-3.19倍提升;对含有相似目标干扰情况下，跟踪效果明显优于原TLD算法;对处理目标抖动及失真情况TLD-DO算法鲁棒性较高;同时，TLD-DO多目标跟踪算法不但继承了TLD-DO算法运算速度快、抗干扰能力强的特点，更在其能够处理多目标跟踪的基础上，对解决多相似目标的跟踪问题有较为优秀的辨别处理能力。

目录

声明

致谢

摘要

1 绪论

1．1 研究的背景和意义

1．2 目标跟踪国内外研究现状

1．3 本文的主要工作

1．3．1 主要研究内容

1．3．2 论文结构安排

2 目标跟踪及优化算法基础理论

2．1 目标跟踪算法概述

2．1．1 基于短期跟踪器的目标跟踪算法

2．1．2 基于长期跟踪器的目标跟踪算法

2．2 TLD目标跟踪算法

2．2．1 TLD目标跟踪算法原理

2．2．2 TLD跟踪器原理

2．2．3 TLD检测器原理

2．2．4 TLD在线学习模型

2．3 Kalman滤波器

2．3．1 Kalman滤波器的基本原理

2．3．2 Kalman滤波器系统过程

2．4 多目标跟踪算法

2．5 本章小结

3 检测区域动态调整的TLD检测算法

3．1 检测区域动态调整基本原理

3．2 加速度矫正的两次Kalman滤波器

3．2．1 DKF算法原理

3．2．2 加速度矫正的DKF算法实现过程

3．3 检测区域动态调整算法实现方案

3．3．1 检测区域动态调整算法流程

3．3．2 检测区域动态调整算法实现过程

3．4 本章小结

4 检测区域优化的TLD多目标跟踪算法

4．1 TLD多目标跟踪基本原理

4．2 TLD多目标跟踪算法

4．2．1 多目标检测区域动态调整算法

4．2．2 多目标实时跟踪优化

4．2．3 多模板库在线学习算法

4．3 TLD多目标跟踪实现方案

4．4 本章小结

5 实验及结果分析

5．1 实验环境

5．2 实验平台

5．3 实验数据源

5．4 实验结果及性能分析

5．4．1 目标跟踪精度

5．4．2 检测器运算量

5．4．3 目标跟踪时间

5．4．4 多目标跟踪

5．5 本章小结

结论

参考文献

作者简历

学位论文数据集