3.4 结果整合 15

3.5 学习器 15

4  基于 TLD 的多目标跟踪改进及实现 18

4.1 原始 TLD 算法分析 18

4.2 TLD 的多目标跟踪 19

5  实验效果及对比分析 21

5.1 系统分析 21

5.2 软件界面 21

5.3 对比分析 22

5.4 待改进之处 25

结论 26

致谢 27

参考文献 28

1 绪论

1.1 研究的目的和意义

随着计算机运算性能的不断提高, 计算机视觉也快速发展起来，成为当前最热门的 研究方向之一。可视目标跟踪问题是计算机视觉领域中的一个重要问题，涉及到机器 学习、人工智能、图像处理、机器视觉等相关知识。可视目标跟踪对视频中的目标进 行跟踪，获取目标的运动信息，在交通、军事、工业、医疗等领域具有广泛的应用前 景。文献综述

1.2 研究现状

目前，对于目标跟踪，有两类主要的方法，一个是通过位移跟踪目标，另一个是 通过检测跟踪目标，这两类方法的描述如下：

通过位移跟踪这种方法在两幅图像之间估计目标位移，经常使用光流法。光流法 跟踪两幅图像中的特征点以实现目标跟踪，但是这种方法有一些缺点，即在目标移出 图像区域或者目标发生严重遮挡、变形的时候，这种方法会跟踪失败。另外，随着跟 踪时的误差积累，偏移会越来越大，因此，这种算法并不适合于长期跟踪。这种方法 的代表算法有 LK 光流法[1]等等。

另外一种跟踪方法是通过检测目标的特征来跟踪目标。这种方法提取目标的特征， 如颜色、形状等等，然后在待检测的图像中检测这些特征，从而找出目标。检测跟踪 也有缺点，它不能独立使用，在检测之前必须要有目标的特征。这种方法的代表算法 有模板匹配，mean-shift   [2]，camshift  [3][4]，运动模板[5]，粒子滤波[6]等等。

不管是通过位移跟踪还是通过检测跟踪方法都有各自的缺点，单独使用的时候都 不能取得较好的跟踪效果。Kalal 等人把这两种方法结合起来，提出了一种新的算法 TLD (Tracking- Learning- Detection)算法[7][8]。TLD 算法将跟踪、检测和学习结合起来， 不断更新检测器和修正跟踪器，同时也可以学习目标的新外观，所以能够长时间地跟 踪目标。

1.3 课题任务要求

本课题旨在了解、掌握并实现 TLD 算法的基础上改进和增强此算法，实现多目标

的跟踪，利用改进后的算法编写相关软件，跟踪视频中的目标(如人)，并进行比较分析。

1.4 后续章的组织结构来!自~751论-文|网www.751com.cn

本文后续章按照如下方式组织： 第二章描述相关原理，主要涉及本文要用到的一些方法的原理。 第三章是 TLD 算法，详细介绍 TLD 算法的原理。

第四章是多目标的 TLD 及其改进，详述基于 TLD 的多目标跟踪算法的实现及其 改进。 跟踪-学习-检测算法及其在视频中目标跟踪的应用(2):http://www.751com.cn/jisuanji/lunwen_76996.html