基于TL D算法的运动目标检测和跟踪-信号与信息处理专业论文.docxVIP

原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得 的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作 的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡 献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责 任由本人承担。 学位论文作者签名： 日期： 关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的规定。同意如下各项内 容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和 电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索 以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者 机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的 部分或全部内容用于学术活动。 （必威体育官网网址的学位论文在解密后适用本授权说明） 学位论文作者签名： 日期： 导 师 签 名： 日期： 基于 TLD 算法的运动目标检测和跟踪 摘 要 传统的视频序列目标检测与跟踪方法（例如背景差分法、帧间差分法、光流法等）难 以适应复杂的图像背景、目标形状的实时变化以及目标位置的非规则抖动等问题。 本文主要在 Tracking-Learning-Detection（TLD）目标跟踪算法上提出了一些改进，使对 足球运动员的跟踪更加鲁棒性。此算法的跟踪分为三步：追踪、学习和检测。其中追踪的 过程中采用 Lucas-Kanade 算法计算帧 I 到帧 J 的 Forward-Backward（FB）错误值，采用 Normalized Cross-Correlation（NCC）算法计算各个点的相关度值，然后由跟踪区域各点的 FB 值和 NCC 值的平均值作为阈值来获取可靠的特征点。Positive-Negative(P-N)学习的过程 展示了一种新的思想：跟踪目标在视频序列中位置的变化被认为是轨道，靠近轨道的图像 碎片是对象，远离轨道的是背景。学习中使用已经标记的样本来训练一个初始化的分类器， 并调整预先定义的约束适合已经标记的数据，然后通过分类器标记未标记的数据，并识别 出那些已经被标记的但是跟约束不相符的样本，最后更正标记并添加到训练集里，重新训 练分类器。检测的过程就是在帧 J 中找出与帧 I 最接近且相邻的图像块。 从实验结果中可以看出，改进的 TLD 目标跟踪算法能有效的适应复杂环境的目标跟踪， 对运动目标的速度有很好的适应性，在目标形状变化以及位置非规则抖动的情况下，目标 跟踪更具鲁棒性，同时能获取更多的有效特征点，较好地解决目标跟踪中的漂移以及丢失 现象，并能有效改善检测的结果。 关键词：目标跟踪，P-N 学习，FB 算法，NCC 算法，TLD i TLD ALGORITHM-BASED DETECTION AND TRACKING OF MOVING TARGETS ABSTRACT Traditional target tracking methods based on video sequences (such as background subtraction, inter-frame difference method, optical flow method) are difficult to adapt to the complex image background, the change in real time on the target shape as well as the irregular jitter of the target position and so on. In this paper, some of the improvements are proposed in the TLD target tracking algorithm, which can make tracking more robust. The tracking of this algorithm is divided into three steps: tracking, learning and detection. In the tracking process, the value of the Forward-Backward is calculated by using Lucas-Kanade algorithm from the Frame I to the Frame J, using the NCC algorithm to calc