【摘要】：傳統(tǒng)的TLD目標(biāo)跟蹤算法由于檢測(cè)區(qū)域過(guò)大導(dǎo)致檢測(cè)時(shí)間過(guò)長(zhǎng),并對(duì)相似目標(biāo)跟蹤效果不理想且只能對(duì)單個(gè)目標(biāo)快速跟蹤.針對(duì)這些問(wèn)題,利用雙Kalman濾波加速預(yù)測(cè)的DKF檢測(cè)區(qū)域優(yōu)化算法構(gòu)造了一種檢測(cè)區(qū)域可自適應(yīng)調(diào)整的多目標(biāo)跟蹤算法——TLD-DOMO算法.TLD-DOMO算法的多目標(biāo)檢測(cè)器可對(duì)各目標(biāo)的潛在運(yùn)動(dòng)范圍進(jìn)行預(yù)測(cè),使其檢測(cè)區(qū)域的大小及位置自適應(yīng)地調(diào)整至最佳狀態(tài),以此提升對(duì)多目標(biāo)跟蹤的精度及效率.此外,該方法可有效地降低多目標(biāo)間的相互干擾,支持對(duì)多相似目標(biāo)的同時(shí)跟蹤.實(shí)驗(yàn)結(jié)果表明:TLD-DOMO算法在對(duì)各測(cè)試視頻的多目標(biāo)跟蹤中,跟蹤速度均有提升,加速比為1.55~2.94倍;在多相似目標(biāo)跟蹤中,對(duì)各目標(biāo)的檢測(cè)與識(shí)別效果優(yōu)于原TLD算法.
[Abstract]:The traditional TLD target tracking algorithm has long detection time due to the large detection area, and the tracking effect of similar targets is not ideal, and it can only track a single target quickly. In response to these problems, A multi-target tracking algorithm, which can be adaptively adjusted for detecting region, is constructed by using the DKF detection region optimization algorithm, which is accelerated by double Kalman filter. The multi-target detector of TLD-DOMO algorithm. TLD-DOMO algorithm can predict the potential motion range of each target. In order to improve the accuracy and efficiency of multi-target tracking, the size and position of the detection area are adaptively adjusted to the optimal state. In addition, the method can effectively reduce the mutual interference between multiple targets and support simultaneous tracking of multiple similar targets. The experimental results show that the tracking speed of the TLD-DOMO algorithm is 1.55 ~ 2.94 times higher than that of the original TLD algorithm, and the detection and recognition effect of each target is better than that of the original TLD algorithm in multi-similar target tracking.
【作者單位】： 東北大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【基金】：國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAI17B00) 國(guó)家關(guān)鍵科技研發(fā)基金資助項(xiàng)目(2015BAH09F02,2015BAH47F03) 國(guó)家自然科學(xué)基金資助項(xiàng)目(61572116,61572117,61502089) 中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目(N120804001,N120204003)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2014年01期

2 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

3 陳愛(ài)華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

4 牛長(zhǎng)鋒;劉玉樹(shù);;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

5 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

6 佟國(guó)峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

7 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

8 鄭江濱;李秀秀;張艷寧;;視頻監(jiān)視中的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];系統(tǒng)工程與電子技術(shù);2007年11期

9 鐘德華;夏翠艷;宋啟敏;毛文龍;;多目標(biāo)跟蹤算法的研究與應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2008年06期

10 劉杰;董育寧;;基于預(yù)測(cè)和粒子濾波的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];計(jì)算機(jī)工程與科學(xué);2009年10期

相關(guān)會(huì)議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過(guò)程控制會(huì)議論文集[C];2009年

3 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

4 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

5 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)C卷[C];2011年

6 張濤;費(fèi)樹(shù)岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 劉立欣;李杰;楊菲;;機(jī)載跟蹤平臺(tái)中目標(biāo)跟蹤算法的設(shè)計(jì)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

8 楊濤;齊春;;光學(xué)式多點(diǎn)觸控系統(tǒng)中的多觸點(diǎn)目標(biāo)跟蹤算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

9 李波;袁保宗;;LMSF Mean Shift目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

10 李國(guó)兵;覃征;郭榮華;李向楠;;基于UKF的快速地面集群目標(biāo)跟蹤算法設(shè)計(jì)和實(shí)現(xiàn)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第六分冊(cè)）[中南大學(xué)學(xué)報(bào)（增刊）][C];2009年

相關(guān)博士學(xué)位論文 前10條

1 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

2 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長(zhǎng)安大學(xué);2016年

4 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

5 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

6 王書(shū)朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

7 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

8 邱雪娜;基于視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

9 趙運(yùn)基;基于視覺(jué)的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2012年

10 侯躍恩;基于稀疏表示的視覺(jué)目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測(cè)目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

5 王增宇;基于稀疏表達(dá)的目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀(guān)模型及兩階段目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

7 葛凱蓉;自然場(chǎng)景下目標(biāo)跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測(cè)的目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺(jué)的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

，

本文編號(hào)：2208166