基于TLD的目标跟踪算法研究与实现-生物医学工程专业论文.docxVIP

Research and Implementation of Target Tracking Based on TLD by Mengxian Wang B.E.( Inner Mongolia University of ScienceTechnology)2013 A thesis submitted in partial satisfaction of the Requirements for the degree of Master of Engineering in Biological Medical Engineering in the Graduate School of South-Central University for Nationalities Supervisor Associate Professor Gao ZhiYong May, 2015 3 中南民族大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权中南民族大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1、必威体育官网网址□，在_ _年解密后适用本授权书。 2、不必威体育官网网址√□。 （请在以上相应方框内打“√”） 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 摘 要 随着社会的进步和计算机技术的发展，目标跟踪技术也应用到生活中各个方面，目 标跟踪算法也是目前机器学习领域一个热门的研究课题。本文主要研究基于 TLD(Tracking-Learning-Detection)框架的目标跟踪算法，学习和分析 TLD 算法，然后提 出一种改进型的 TLD 算法，在这个算法的基础上设计一个目标跟踪系统，并实现对任 意目标的自动跟踪。 论文主要工作如下： 1.研究当前新兴起的一种高效目标跟踪方法 TLD(Tracking-Learning-Detection)，在 此基础上，对 TLD 加以改进，针对 TLD 算法对目标的细节描述能力不够，跟踪学习时 存在目标漂移以及增量分类器的增长过快的问题，对检测器进行改进，以最近邻增量分 类器中的目标特征算子为主要的研究对象，引入多种描叙目标特征算子优化最近邻增量 分类器，对于不同目标物体分别采用不同特征算子来进行检测对比，提出在 TLD 算法 框架里使用 Haar 算子和基于 NCC 匹配的增量式分类器检测物体，不仅能减少增量分类 器的存储开销和“复习”原有知识的计算开销，还能提高目标的细节识别能力和正确率， 能够获得比原始算法更理想的跟踪效果。 2. 设计并实现了一个基于改进的 TLD 算法的目标跟踪系统，该系统采用 MFC 编 程和 OpenCV 图像处理库来设计实现，可以通过软件界面上可选框来调节跟踪算法的参 数，提供了一个良好的交互平台，从而更好的跟踪目标。 本文的工作不仅涉及 TLD 目标跟踪系统的理论研究，而且给出了使用改进的 TLD 算法的具体系统设计方案，可为快速准确地进行长时间目标的自动跟踪。 关键词：目标跟踪，在线学习，TLD 算法，增量分类器，Haar 特征 II Abstract With the development and progress of society and computer technology, the target tracking technology is applied to many aspects of daily life. Target tracking algorithm in the field of machine learning is currently a hot research topic. This thesis focuses on the TLD (Tracking-Learning-Detection) algorithm. On the base of detailed study and analysis of TLD algorithm, we proposed an improved TLD algorithm and implement a target tracking