文件名称：论文研究-面向视频监控的TLD改进目标跟踪算法研究.pdf
文件大小：1.11MB
文件格式：PDF
更新时间：2022-10-01 05:00:26
论文研究
目前智能视频监控对视频目标跟踪算法的实时性、准确性和鲁棒性都提出了很高的要求，而已有算法无法完全满足应用需求。在TLD（Tracking Learning Detector）框架下，提出一种基于视觉背景提取（Visual Background extractor，ViBe）的前景分类算法，提高了TLD算法检测目标的速度；用核相关滤波器（Kernelized Correlation Filters，KCF）实现了TLD框架中的跟踪器，提高了算法的精度及鲁棒性。采用OTB-2013评估基准中针对视频监控的视频序列进行测试，并与其他4种具有代表性跟踪算法进行了对比。测试结果表明：该算法的鲁棒性和准确性均优于对比算法，处理速度可达到40帧/s；相比于标准TLD算法，跟踪距离精度提高了1.52倍，成功率提高了1.2倍；相比于KCF算法，虽然跟踪速度有所下降，但跟踪距离精度提高了2.7倍，成功率提高了2.04倍。