基于跟踪-学习-检测的稳健目标跟踪算法设计与实现

摘要

目标跟踪技术是计算机视觉领域的重要技术之一，在各个领域得到广泛的应用。传统的目标跟踪算法一般会对于特定的场景或者特定的跟踪目标，无法实现对任意目标的跟踪，并且传统的跟踪算法在跟踪过程中会积累误差导致跟踪失败，无法进行长时间的跟踪。同时，随着计算机技术迅猛发展，目标跟踪算法逐渐被应用到嵌入式系统，目标跟踪算法在嵌入式系统中如何满足实时性要求并保持长时间的稳健跟踪成为计算机视觉领域的研究热点问题。
　　本文对目标跟踪算法进行大量调研，发现跟踪－学习－检测的目标跟踪算法具有良好的稳健性并对其进行深入研究，在该算法基础上，提出一种并行算法使其能实时处理高清视频图像，并将跟踪－学习－检测算法移植到嵌入式系统上，使其能得到更广泛的应用。本文开展的具体研究工作如下：
　　1、对跟踪－学习－检测算法进行深入研究，详细分析跟踪模块中涉及的中值流跟踪算法，检测模块中涉及的基于随机森林的检测算法以及学习机制中的P-N约束，并进行大量实验，展示跟踪－学习－检测算法在图像视频跟踪的稳定性和实时性。
　　2、现有的跟踪－学习－检测算法策略不足以满足高清视频图像处理的实时性，本文利用MPI多进程和OpenMP多线程对该算法优化，使其可以并行处理图像数据，以便于更加有效的利用平台的计算资源。对其进行实验仿真，定量分析优化后的算法在性能上的提升。
　　3、将跟踪－学习－检测（TLD）的目标跟踪算法移植到更具通用性的嵌入式平台，因此需要在嵌入式平台上安装系统以及配置和安装相依赖的软件，最后在此平台上进行算法仿真，验证其跟踪效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1.1课题研究及背景意义

1.2国内外相关技术研究现状及发展趋势

1.3主要研究内容及路线

1.4本文的结构安排

第二章目标检测与跟踪基本理论

2.1特征点介绍

2.2随机森林算法

2.3目标跟踪算法描述

2.4本章小结

第三章TLD算法原理

3.1 TLD算法主要模块

3.2 TLD算法流程

3.3算法仿真与分析

3.4本章小结

第四章TLD算法的并行设计

4.1 MPI+OMP混合编程模型

4.2 TLD算法的多核并行设计

4.3并行计算性能分析

4.4本章小结

第五章基于ARM的TLD目标跟踪系统实现

5.1硬件平台

5.2软件环境

5.3代码移植

5.4实验结果与分析

5.5本章小结

第六章总结与展望

6.1本文工作总结

6.2 研究方向展望

致谢

参考文献

攻读硕士期间取得的研究成果