基于TLD的動背下視覺跟蹤技術(shù)研究

基于TLD【摘要】隨著科學技術(shù)的不斷發(fā)展，具有攝像功能的移動設備越來越多，這給動態(tài)場景下的視覺跟蹤技術(shù)開辟了廣闊的應用前景。TLD(Traking-Learning-Deection）算法是一種新穎、高效的長時間視覺跟蹤算法。本文在該算法的基礎上對動TLDLD算法綜合模改進算法取得了預期的效果，在不影響運行速度的情況下提高了跟蹤的穩(wěn)定性和識別率?！娟P(guān)鍵詞】視覺跟蹤算法；動態(tài)背景；TLD【中圖分類號】 【文獻標識碼】StudyofVisualTrackingTechnologyinDynamicBackgroundBasedonCHENGZhengguo,PAN(SchoolofComputerandControlEngineering,NorthUniversityofChina,Taiyuan030051,【Abstract】Withthecontinuousdevelopmentofscienceandtechnology,moreandmoremobiledeviceshavebeenequippedwithcamera,whichcreatesabroadapplicationprospectforthedynamicbackgroundvisualtrackingtechnology.The(Tracking-Learning-Detection)algorithmisanovel,efficientandlong-termvisualtrackingalgorithm.Inthispaper,thevisualtrackingtechnologyisstudiedbasedonthisalgorithm.Firstofall,themaincharacteristicsandframeworkofTLDaresummarized.Secondly,themechanismofTLD’sintegratorisanalyzed.Moreover,aimingattheoriginalalgorithm’sproblems,suchasdriftingandfailure,theimprovementonintegrationmechanismofintegratorisproposed.Finallytheexperimentdemonstratesthatthedevelopedalgorithmobtainsexpectedeffects,namely,itimprovesthestabilityandrecognitionratewithoutaffectingtheoperation【Keywords】VisualTrackingAlgorithmDynamicBackground;TLD;機器人（UAV）[3]、PTZ攝像機[4]等。這些設TLD(Traking-Learning-Deection)是英國yZdenekl20092012年間提出并不斷完善的一種視覺跟蹤算法[10-13]。2013iWuCVPRTLD前三，跟蹤效果是目前相對來說較好的[14]。

TLD良好的跟蹤效果，基于該算法的研TLD算法在跟蹤TLDTLD算法的主要特點通過一種在線學習機制不斷更新跟蹤器TLD算法的流程框架TLD算法主要包含四個部分——檢測、跟蹤、1所示，在起始幀通過文件輸目標框和第一幀圖像完成TLD算法的初始化（主跟蹤器基于中值流法根據(jù)目標在前一幀中的TLD的內(nèi)容請參閱文獻[10-13]跟蹤跟蹤更學習模更檢測目標模

量，tconftbb的可信度，cconfcbb的可confident_detectionscbb[didx]當confident_detections當confident_detections大于一且輸視頻

1TLD

目 close_dectections大于零用所有距離tbb很近的狀當confident_detections大于一且close_dectectionstbb作為最終結(jié)果輸出，TLD算法在跟蹤過程中出現(xiàn)1tbb表示跟蹤器輸出的目標框，dbb表分類器輸出的目標框集，cbbdbb聚類后的于0.5tbbcbbclose_detections表示與tbb0.7dbb

tbb作為最終結(jié)果輸出，學習模塊學習；dbbcbbcbb[0]dbbcbb不只一個，則沒有輸出，1TLDcbb1=\\否=\\是>>是=是2\\\是3\\=否\否4\\\\否2confident_detectionscbb的數(shù)量等于一，說明檢測器輸出集cbb[0]作為輸出，學習模塊不學習；2）cbb的數(shù)量大于一，說明檢測器大部分tbbcbb的數(shù)量不等于一，按可信

2cbb1=\=否>是=\\是>>\是=是2\\\是3\\=否≠否4\\\否Intel(R)Xeon(R)CPUW3503@2.40GHz雙核處理器，NVIDIAQuadroFX580(MicrosoftCorporation-WDDMv1.1)雙顯卡，6G軟件環(huán)境：64Ubuntu12.04操作系統(tǒng)，

TLD標準測試數(shù)據(jù)集中3列出了所選測試視頻的屬性，基本涵蓋了目標3是是否是是是否否是否否否否否否是是否否否否否否否是是是否否否是否是是是否否否是否是是是否否否是是是是是是是是是否是是是是是是是是是是是是是是是是是是是是是是否否64列和

綜合模塊的改進沒有對算法的運算速度

TLD不同視頻序列平均每幀消耗的時間有差4實驗結(jié)果分析時間單位：毫秒TLDa. b.

f. g. h. i. j.2本文基于TLD最后通過實驗對改進的算法和原算法進行了

DELLN,FRANCISI,SHEPPARDH,etFieldevaluationofacamera-basedmobilehealthsysteminlow-resourcesettings[C]//Proc.16thInternationalConferenceonHuman-computerInteractionwithMobileDevices&Services.NewYork:ACMPress,2014:33-42.鹿文浩,王生進.魯棒的車載攝像頭對向車輛檢測與跟蹤方法[J].清華大學學報（自然科學版）,2013,53(11):1509-1514. ImplementationofimageprocessingalgorithmsandGLVQtotrackanobjectusingAR.Dronecamera[J].JournalofComputerScienceandInformation,2014,7(2):111-118.CHANGFaliang,ZHANGGuoqiang,WANGXiaolin,etal.PTZcameratargettrackinginlargecomplexscenes[C]//Proc.20108thWorldCongressonIntelligentControlandAutomation.Jinan:IEEEPress,2010:2914-2918.SHANCaifeng,PORIKLIF,XIANGTao,etal.VideoAnalyticsforBusinessIntelligence[M].BerlinHeidelberg:Springer,2012.YANGHanxuan,SHAOLing,ZHENGFeng,etal.Recentadvancesandtrendsinvisualtracking:areview[J].Neurocomputing,2011,74(18):3823-YILMAZA,JAVEDO,SHAHM.tracking:asurvey[J].ACMComputingSurveys,2006,38(4):1-45.白曉方,楊衛(wèi),陳佩珩.一種改進的運動目標[J].,2014,孫斌,黃神治.移動背景下運動目標檢測與跟蹤技術(shù)研究[J].電子測量與儀器學報,2011,

25(3):206-KALALZ,MATASJ,MIKOLAJCZYKOnlinelearningofrobustobjectdetectorsduringunstabletracking[C]//Proc.IEEEOn-lineLearningforComputerVisionWorkshop.NewYork：IEEEPress,2009:1417-1424.KALALZ,MIKOLAJCZYKK,MATASForward-backwarderror:automaticdetectionoftrackingfailures[C]//Proc.InternationalConferenceonPatternRecognition.NewYork:IEEEPress,2010:23-26.KALALZ,MATASJ,MIKOLAJCZYKK.P-Learning:Bootstrappingbinaryclassifiersbystructuralconstraints[C]//Proc.IEEEConferenceonComputerVisionandPatternRecognition.SanFrancisco:IEEEPress,2010:49-56.KALALZ,MIKOLAJCZYKK,MATASTracking-Learning-Detection[J].IEEETransacti