基于TLD和SIFT的視頻分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，視頻處理技術(shù)在日常生活中得到了廣泛應(yīng)用。視頻處理的基本業(yè)務(wù)是提供實(shí)時(shí)顯示，并記錄圖像，同時(shí)供使用者檢索和查看歷史信息。但是目前的視頻處理大部分仍采用的是人工處理的方式，這樣不僅處理效率不高并且耗費(fèi)大量人力，因此智能化的視頻處理技術(shù)受到了越來(lái)越多的關(guān)注。
　　智能化的視頻處理一般要求該視頻分析系統(tǒng)支持長(zhǎng)時(shí)間跟蹤處理工作，并且對(duì)實(shí)時(shí)性有較高的需求，系統(tǒng)的工作要盡量多得適應(yīng)不同的環(huán)境變化。為設(shè)計(jì)一個(gè)視頻分析系統(tǒng)，本

2、文在目標(biāo)跟蹤領(lǐng)域的現(xiàn)有研究成果基礎(chǔ)上，選取了將檢測(cè)、跟蹤和在線學(xué)習(xí)相結(jié)合，并支持長(zhǎng)時(shí)間跟蹤的TLD算法做為系統(tǒng)的關(guān)鍵跟蹤技術(shù)。但本文在設(shè)計(jì)視頻分析系統(tǒng)時(shí)發(fā)現(xiàn)，TLD算法在長(zhǎng)時(shí)間跟蹤時(shí)會(huì)出現(xiàn)個(gè)別目標(biāo)跟蹤漂移的問(wèn)題；同時(shí)在多目標(biāo)的場(chǎng)景中，TLD跟蹤算法無(wú)法很好解決相似目標(biāo)消失后再次出現(xiàn)的問(wèn)題。
　　針對(duì)目標(biāo)漂移的問(wèn)題，本文提出一種基于檢測(cè)的矯正方法。該方法通過(guò)計(jì)算檢測(cè)結(jié)果和跟蹤結(jié)果的重合度來(lái)校正；若重合度在閾值范圍內(nèi)，則矯正跟蹤結(jié)果，

3、重新初始化跟蹤器。
　　針對(duì)相似目標(biāo)再次出現(xiàn)的問(wèn)題，本文采用匹配圖像特征的方式來(lái)識(shí)別目標(biāo)，選用具有尺度、旋轉(zhuǎn)不變性的SIFT特征作為系統(tǒng)的另一項(xiàng)關(guān)鍵技術(shù)，提出了一種基于 SIFT特征的目標(biāo)匹配策略。該策略以動(dòng)態(tài)更新的方式為每個(gè)目標(biāo)建立 SIFT特征庫(kù)，目標(biāo)消失后停止更新。當(dāng)消失的目標(biāo)再次出現(xiàn)時(shí)，通過(guò)匹配消失目標(biāo)的特征庫(kù)，從而識(shí)別出該目標(biāo)，繼續(xù)跟蹤。
　　我們?cè)赟IFT特征的應(yīng)用研究中發(fā)現(xiàn)，該特征存在相同目標(biāo)間的匹配率和非相同

4、目標(biāo)間的匹配率區(qū)分度不高的問(wèn)題，對(duì)此本文做了如下應(yīng)用處理：首先修改特征的邊緣閾值，增加SIFT特征點(diǎn)的數(shù)量；然后采用新的歐氏距離判定點(diǎn)匹配的策略，提高正確匹配的特征點(diǎn)數(shù)量；對(duì)于錯(cuò)誤匹配的特征點(diǎn)，采用基于相似三角形和梯度方向的篩選策略去除。實(shí)驗(yàn)數(shù)據(jù)表明，本文的 SIFT特征匹配方法同原SIFT匹配相比，平均匹配率提高了14％。另外，本文的 SIFT特征的平均匹配速度同原算法相比提高了25%左右。
　　本文使用 QT界面工具搭建視頻處