付 苗,邢藏菊(北京化工大學(xué) 北京100029)
幀間差法對(duì)TLD跟蹤算法的改進(jìn)
付 苗,邢藏菊
(北京化工大學(xué) 北京100029)
對(duì)跟蹤-學(xué)習(xí)-檢測(cè)(Tracking-Learning-Detection,TLD)目標(biāo)跟蹤算法進(jìn)行改進(jìn),在原算法中的跟蹤模塊和檢測(cè)模塊之間引入了幀間差檢測(cè)方法,將幀間差法檢測(cè)到的含有前景目標(biāo)的窗口傳送給TLD檢測(cè)模塊的級(jí)聯(lián)分類器,提高算法的效率以及準(zhǔn)確性。并對(duì)TLD算法中的重疊度重新定義,提高了該算法的跟蹤成功率。通過(guò)實(shí)驗(yàn)對(duì)改進(jìn)前后的TLD算法進(jìn)行分析比較,證明改進(jìn)后的算法具有更高的跟蹤效率以及成功率。
TLD;目標(biāo)跟蹤;幀間差;重疊度
目標(biāo)跟蹤一直以來(lái)都是計(jì)算機(jī)視覺(jué)領(lǐng)域中比較復(fù)雜并且熱門的課題,國(guó)內(nèi)外的學(xué)者對(duì)于目標(biāo)跟蹤的研究也越來(lái)越重視。而目標(biāo)跟蹤技術(shù)也在人機(jī)交互[1-3],城市交通[4-5],智能監(jiān)控[6-8]和工業(yè)建設(shè)[9]等多種領(lǐng)域得到了廣泛的應(yīng)用。
TLD[10](Tracking-Learning-Detection)是Zdenek Kalal提出的一種視頻目標(biāo)跟蹤算法。該算法的亮點(diǎn)是能夠利用較少的先驗(yàn)信息實(shí)現(xiàn)視頻目標(biāo)的長(zhǎng)時(shí)間跟蹤,將目標(biāo)跟蹤算法與目標(biāo)檢測(cè)算法相結(jié)合來(lái)解決目標(biāo)在被跟蹤過(guò)程中發(fā)生的形變、部分遮擋等問(wèn)題[11]。
TLD算法主要由跟蹤模塊,檢測(cè)模塊,綜合模塊以及學(xué)習(xí)模塊4個(gè)模塊組成。其中,跟蹤模塊采用的是基于LK(Lucas-Kanade)光流法改進(jìn)的中值流跟蹤[12],根據(jù)前一幀中目標(biāo)的位置信息來(lái)估計(jì)目標(biāo)在當(dāng)前幀中所處的位置;檢測(cè)模塊是由方差濾波器、組合分類器和最近鄰分類器所組成的級(jí)聯(lián)分類器構(gòu)成,在當(dāng)前幀采用掃描窗口策略對(duì)目標(biāo)進(jìn)行檢測(cè),依次成功通過(guò)這3個(gè)分類器的窗口即為檢測(cè)器檢測(cè)到的目標(biāo)窗口;……