基于TLD的目標跟蹤算法研究與實現(xiàn).pdf

1、隨著社會的進步和計算機技術的發(fā)展，目標跟蹤技術也應用到生活中各個方面，目標跟蹤算法也是目前機器學習領域一個熱門的研究課題。本文主要研究基于TLD(Tracking-Learning-Detection)框架的目標跟蹤算法，學習和分析TLD算法，然后提出一種改進型的TLD算法，在這個算法的基礎上設計一個目標跟蹤系統(tǒng)，并實現(xiàn)對任意目標的自動跟蹤。
　　論文主要工作如下：
　　1.研究當前新興起的一種高效目標跟蹤方法TLD(Tra

2、cking-Learning-Detection)，在此基礎上，對TLD加以改進，針對TLD算法對目標的細節(jié)描述能力不夠，跟蹤學習時存在目標漂移以及增量分類器的增長過快的問題，對檢測器進行改進，以最近鄰增量分類器中的目標特征算子為主要的研究對象，引入多種描敘目標特征算子優(yōu)化最近鄰增量分類器，對于不同目標物體分別采用不同特征算子來進行檢測對比，提出在TLD算法框架里使用Haar算子和基于NCC匹配的增量式分類器檢測物體，不僅能減少增量分類

3、器的存儲開銷和“復習”原有知識的計算開銷，還能提高目標的細節(jié)識別能力和正確率，能夠獲得比原始算法更理想的跟蹤效果。
　　2.設計并實現(xiàn)了一個基于改進的TLD算法的目標跟蹤系統(tǒng)，該系統(tǒng)采用MFC編程和OpenCV圖像處理庫來設計實現(xiàn)，可以通過軟件界面上可選框來調節(jié)跟蹤算法的參數(shù)，提供了一個良好的交互平臺，從而更好的跟蹤目標。
　　本文的工作不僅涉及TLD目標跟蹤系統(tǒng)的理論研究，而且給出了使用改進的TLD算法的具體系統(tǒng)設計方案，