运动背景下的抗遮挡TLD改进算法

摘要：

针对跟踪学习检测(Tracking Learning Detection,TLD)算法在目标受到遮挡、尺度变换和形变时跟踪精确度下降的问题,提出了运动背景下的抗遮挡TLD改进算法.在TLD算法内置的跟踪模块中引入面向加速分段测试特征和旋转二进制鲁棒独立基本特征(Oriented FAST and Rotated BRIEF,ORB)与均匀分布特征点相结合的特征点提取方法;在检测模块中采用自适应切换局部搜索与全局搜索的策略;采用警戒区域的方法进行遮挡判定,采用Kalman滤波与特征点匹配相结合的方法预测目标位置.实验结果表明,改进算法中跟踪模块中的特征点能够准确地反映目标的信息,同时减少了目标检测的扫描区域,提高了对运动背景下被遮挡目标的判定及预测能力.与同类目标跟踪算法相比,该算法跟踪速度、精度都较高;与经典TLD算法相比,改进算法在面对运动遮挡场景时表现更好.

关键词：跟踪-学习-检测算法、特征提取、卡尔曼滤波、目标跟踪

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然基金;北京市教委联合项目;北京市教委一般项目

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：77-87