一种改进的TLD动态目标跟踪算法

摘 要：TLD算法是目前一种常用的目标跟踪算法，但当目标存在遮挡以及移动较快时，容易出现跟踪漂移的问题，因此本文提出了一种基于TLD跟踪算法的改进目标跟踪算法。首先，利用Kalman滤波器预估当前帧所要跟踪目标的区域。其次，在检测器中加入马尔可夫模型方向预测器，来预测索要跟踪目标的运动方向。通过实验，证明改进后的TLD算法跟踪精度更高，能够快速准确地进行动态目标进行跟踪。

关键词：运动目标跟踪；TLD算法；kalman滤波器；目标运动预估

随着科技的发展，基于视觉的目标跟踪成为人机交互方式中的一个重要研究课题[ 1 ]。但是在较复杂场景下，存在目标的快速移动以及目标遮挡等问题，给目标的跟踪带来困难。简单的跟踪和检测算法都无法达到理想的效果。而TLD跟踪算法是将检测算法和跟踪算法结合，并结合了在线学习机制，从而使目标跟踪更加稳定、有效[ 2 ]。由于 TLD 跟踪算法是结合了采用光流法进行跟踪，因此不能解决复杂场景下的目标跟踪问题[ 3 ]。

本文針对 TLD 算法中，对快速大幅度运动目标的跟踪不稳定问题，基于Kalman滤波器预估前帧目标所在区域，并在检测器中加入马尔可夫运动方向预测，从而提高了检测器处理速度，使跟踪更加稳定。

1 TLD跟踪算法

TLD算法由学习器、跟踪器以及检测器三个部分组成[ 4 ]。学习器是利用P-N学习机制来不断的更新TLD跟踪器以及检测器，并不断更新检测器的目标模型；跟踪器是根据目标的运动信息来估计目标的运动状态；检测器是根据目标模型，来定位运动目标可能出现的区域。

3 实验结果及分析

本文以VS2010和opencv2.3.9为开发平台，在2.0GHZ CPU和1G内存的笔记本上实现本文算法。视频为复杂环境下的行人视频序列，视频中有行人遮挡、其他运动物体以及阴影光线变化干扰。复杂场景下本文的跟踪算法的测试结果，图3可以看出，当被跟踪行人进入背景干扰区时，能有效地描述跟踪目标，实现了准确跟踪。

4 结语

Kalman滤波器可以用来估计目标所在区域，本文加入了kalman滤波器提高了检测器处理速度，并且在检测器中加入马尔可夫运动目标方向预测模型，从而使得跟踪算法对相近目标的辨别能力就会大大提高。通过实验表明，改进后的TLD算法跟踪鲁棒性更好，精度更高，能够准确地对运动目标进行跟踪。

参考文献：

[1] 徐萧萧.基于特征学习与特征联想的视觉跟踪算法研究[D].合肥：中国科学技术大学，2010.

[2] 张俊辉.基于TLD框架的手势检测与跟踪系统的研究与实现[D].武汉：武汉理工大学，2013.

[3] 张毅，姚圆圆.一种改进的TLD动态手势跟踪算法[J].机器人，2015，37（6）：754-759.

[4] 孙巧.遮挡情况下基于粒子滤波的视觉跟踪算法研究.科学技术与工程，2012；12（32）：57-59.

[5] 刘晓辉，陈小平.基于扩展卡尔曼滤波的主动视觉跟踪技术.计算机辅助工程，2007，16（2）：32-37.

[6] 王保云，范保杰.基于颜色纹理联合直方图的自适应Meanshift 跟踪算法[J].南京邮电大学学报：自然科学版，2013，33（3）：18-25.