序列圖像中的目標跟蹤方法研究.pdf

1、目標跟蹤在智能監(jiān)控、無人機、移動機器人、智能交通系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用，因而得到了越來越多的關(guān)注，它是計算機視覺研究的重要內(nèi)容之一。目前主要的跟蹤方法有:基于模型的跟蹤方法，基于特征的跟蹤方法、基于輪廓的跟蹤方法以及近些年興起的基于學(xué)習的跟蹤方法。在眾多的視覺跟蹤算法中，TLD(Tracking-Learning-Detection，跟蹤-學(xué)習-檢測)算法在旋轉(zhuǎn)、遮擋、均勻光照等情況下可以較好的對目標進行長時間跟蹤。但是在光照變化不均

2、、遮擋嚴重、跟蹤目標模糊等情況下經(jīng)常出現(xiàn)誤跟蹤或跟蹤失敗等問題。
　　針對TLD跟蹤算法存在的不足，本文首先提出了一種融合TLD和均勻模式LBP(Uniform Local Binary Pattern，均勻局部二值模式)的跟蹤算法—TLD_ULBP算法。在TLD_ULBP算法中，仍然采用跟蹤-學(xué)習-檢測的基本框架。但對檢測器部分進行了改進，設(shè)計了一個新的分類器—ULBP分類器（均勻模式LBP分類器）。該分類器以均勻模式LBP算子

3、作為基本元素求取樣本均勻模式LBP圖，并對該圖進行分塊，求取各個子塊歸一化直方圖，并將這些歸一化的子塊直方圖拼接為一個特征向量，形成整幅圖的ULBP紋理特征向量，利用該向量對樣本進行分類。當跟蹤目標具有較好的紋理特性時采用該分類器取代TLD中的最近鄰分類器可以得到更好的分類結(jié)果。并為此設(shè)計了決策模塊，該模塊根據(jù)目標的紋理特性決定采用最近鄰分類器還是ULBP分類器。
　　為了彌補融入均勻模式LBP算子所增加的計算時間，提高系統(tǒng)的實時