針對TLD （tracking-learning-detection）算法實時性和魯棒性差的問題,提出一種改進的FD-CFTLD （foreground detection-correlation filter TLD）目標跟蹤算法。以TLD算法為基本框架,在檢測模塊采用幀差法進行前景檢測,減小檢測區(qū)域,提高檢測速度;在跟蹤模塊采用核相關(guān)濾波（kernelized correlation filter,KCF）算法,并采用新的更新策略,使用檢測模塊修正后的跟蹤結(jié)果更新跟蹤器中的濾波器模型,提高跟蹤的魯棒性和精確度。實驗結(jié)果表明,FD-CFTLD算法的成功率和精確度優(yōu)于TLD算法,在應(yīng)對光照變化、尺度變化和遮擋等場景時表現(xiàn)出良好的魯棒性和實時性。 

【文章來源】：計算機工程與設(shè)計. 2020,41(06)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

跟蹤模塊流程

改進的跟蹤模塊結(jié)果

前景檢測處理過程

【參考文獻】：
期刊論文
[1]采用核相關(guān)濾波的快速TLD視覺目標跟蹤[J]. 王姣堯,侯志強,余旺盛,廖秀峰,陳傳華.  中國圖象圖形學(xué)報. 2018(11)
[2]基于HSV-HOG的改進TLD目標跟蹤方法[J]. 孫春梅,謝明,王婷.  科技通報. 2017(10)
[3]基于改進TLD算法的視頻目標跟蹤[J]. 郭秋滟.  計算機工程與設(shè)計. 2017(09)
[4]面向視頻監(jiān)控的TLD改進目標跟蹤算法研究[J]. 常立博,杜慧敏,毛智禮,張盛兵,郭沖宇,蔣忭忭.  計算機工程與應(yīng)用. 2018(14)
[5]基于核相關(guān)濾波器的TLD目標跟蹤算法[J]. 于蕾,王萌萌,劉立,李偉.  應(yīng)用科技. 2018(01)
[6]基于視覺的目標檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動化學(xué)報. 2016(10)
[7]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學(xué)報. 2015(06)



本文編號：3048192