论文研究基于TLD框架的快速目标跟踪方法.pdf

现实中目标在被长期跟踪时容易发生形变、遮挡、光照干扰以及其他问题，现有跟踪算法虽能解决该系列问题但算法计算量巨大，导致跟踪系统实时性能较差，很难应用于实际场合。因此，准确快速跟踪目标成为近年来非常有挑战的热点课题。以国外学者Kalal等人提出的TLD（tracking-learning-detection）框架为基础，提出了三点改进方法：a）根据目标所占整幅图像的面积大小动态调整被处理图像的分辨率，从总体上减少样本数量；b）在目标邻近区域扫描生成样本，缩小检测器的检测范围；c）更换检测部分中分类器模板匹配方法，实现快速匹配，提高算法运行速度。针对于不同的场景，实验表明上述问题在改进后的算法中得