论文部分内容阅读
视频的运动目标跟踪是计算机视觉和目标跟踪领域的重点课题之一,在智能监控、天眼监控、机器人、无人机、无人驾驶和军事制导等领域有广泛的应用,视频运动目标跟踪领域具有重要的现实意义和广阔的发展前景。近几年,目标跟踪领域得到了快速发展并取得很好的成果,但是仍然存在大量理论和技术问题亟待解决。本文对近几年最流行的TLD目标跟踪算法和KCF目标跟踪算法进行深入的研究和改进。遮挡问题是视频运动目标跟踪领域中研究的重点,根据遮挡程度不同,遮挡问题又分为部分遮挡和完全遮挡。针对部分遮挡问题,本文提出一种结合分块法的核相关滤波的目标跟踪算法;针对完全遮挡问题,目标完全消失,本文提出另一种基于核相关滤波器的TLD跟踪算法。结合分块法的核相关滤波的目标跟踪算法主要是将跟踪目标描述为一组在几何模型上的几个图像块,然后利用核相关滤波器(KCF)目标跟踪算法对几个图像块分别进行跟踪。在目标被遮挡的情况下,判断目标遮挡程度,只要部分模块没有被遮挡或者遮挡部分非常少,该算法就可以继续跟踪,并保障跟踪的鲁棒性,实现目标的长时间目标跟踪。基于核相关滤波器的TLD跟踪算法,在目标被完全遮挡、目标完全消失的情况下,可以用TLD算法进行重检测进而继续跟踪,为了解决跟踪实时性,用核相关滤波器作为跟踪器,该算法就可以继续跟踪,并保障跟踪的鲁棒性,实现目标的长时间目标跟踪。实验结果表明,针对部分遮挡问题和完全遮挡问题,本文提出的算法能很好地解决遮挡问题,并可以准确、长时间地进行目标跟踪。本文的主要工作有以下几个方面:(1)介绍了目标跟踪的基础,对视频图像的模糊和噪声问题进行预处理,并介绍了分类器的基本原理。(2)针对KCF算法在目标跟踪过程中遇到部分遮挡而导致的跟踪失败问题,本文在KCF算法的基础上进行改进,提出了一种优化算法:通过置信图平滑约束和峰值旁瓣比判断遮挡程度,然后利用分块法将跟踪目标分为两个目标,通过核相关滤波器分别跟踪这两个目标块,只要有一个跟踪块可以持续跟踪,就可以保证跟踪的鲁棒性。为了提高KCF算法对目标匹配的精度,采用HOG特征与颜色特征相结合对目标进行特征提取。(3)针对目标受到完全遮挡而导致的目标消失,TLD算法利用重检测机制进行目标检测,但重检测机制会导致目标跟踪实时性差,为了解决这一问题,本文将TLD的跟踪器改为核相关滤波器,并将HOG特征与颜色特征进行结合,提高目标跟踪的鲁棒性和实时性。本文选取了Wu等人提出的Benchmark的100个视频序列中存在部分遮挡问题的视频序列和目标完全消失又出现的视频序列,对结合分块法的KCF目标跟踪算法和基于核相关TLD目标跟踪算法分别进行了测试。结合分块法的KCF目标跟踪算法可以很好的解决部分遮挡问题,实现目标的长时间目标跟踪;基于核相关TLD目标跟踪算法极大地提高了目标跟踪速度,保证目标跟踪的实时性。