付 苗,邢藏菊(北京化工大學 北京100029)
幀間差法對TLD跟蹤算法的改進
付 苗,邢藏菊
(北京化工大學 北京100029)
對跟蹤-學習-檢測(Tracking-Learning-Detection,TLD)目標跟蹤算法進行改進,在原算法中的跟蹤模塊和檢測模塊之間引入了幀間差檢測方法,將幀間差法檢測到的含有前景目標的窗口傳送給TLD檢測模塊的級聯分類器,提高算法的效率以及準確性。并對TLD算法中的重疊度重新定義,提高了該算法的跟蹤成功率。通過實驗對改進前后的TLD算法進行分析比較,證明改進后的算法具有更高的跟蹤效率以及成功率。
TLD;目標跟蹤;幀間差;重疊度
目標跟蹤一直以來都是計算機視覺領域中比較復雜并且熱門的課題,國內外的學者對于目標跟蹤的研究也越來越重視。而目標跟蹤技術也在人機交互[1-3],城市交通[4-5],智能監控[6-8]和工業建設[9]等多種領域得到了廣泛的應用。
TLD[10](Tracking-Learning-Detection)是Zdenek Kalal提出的一種視頻目標跟蹤算法。該算法的亮點是能夠利用較少的先驗信息實現視頻目標的長時間跟蹤,將目標跟蹤算法與目標檢測算法相結合來解決目標在被跟蹤過程中發生的形變、部分遮擋等問題[11]。
TLD算法主要由跟蹤模塊,檢測模塊,綜合模塊以及學習模塊4個模塊組成。其中,跟蹤模塊采用的是基于LK(Lucas-Kanade)光流法改進的中值流跟蹤[12],根據前一幀中目標的位置信息來估計目標在當前幀中所處的位置;檢測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聯分類器構成,在當前幀采用掃描窗口策略對目標進行檢測,依次成功通過這3個分類器的窗口即為檢測器檢測到的目標窗口;……