一种改进的TLD目标跟踪算法

胡春海，查琳琳，陈 华

(燕山大学 河北省测试计量技术及仪器重点实验室，河北 秦皇岛 066004)

0 引言

对运动目标的跟踪是视频监控中重要的环节，即在各种情境下对每一帧中运动目标进行快速精准的定位，也是机器视觉方向最活跃的研究领域之一。近年来，目标跟踪技术已广泛应用于智能监控、高级人机交互等领域中，具有很高的商业价值。文献[1]对多种目标跟踪算法进行了对比，在诸多跟踪算法中TLD算法脱颖而出，在照明变化、遮挡等诸多复杂因素影响下，其平均水平被指定为“优秀”，在2016年VOT竞赛中，该算法也取得了相当卓著的研究成果[2]。因此，如何能使优秀的跟踪算法具有更优良的应对能力在当下的研究中仍然具有很重要的意义。

跟踪-学习-检测算法(Tracking-Learning-Detecting，TLD)广泛应用于视频监控的检测和跟踪系统中。在相机抖动、目标被遮挡以及视频序列较长等因素存在时，由于将检测器和跟踪器有机结合，使TLD算法的性能较为突出[3-5]。文献[6]提出一种基于关键特征点检测的改进TLD算法并且引入了在线位置预测机制，提高了跟踪算法的精度；文献[7]中提出Brisk特征点和均匀分布点集代替TLD中均匀分布跟踪点，可以在一定程度上减少跟踪点的数量，保证跟踪的准确性。2011年Rublee等[8]提出了ORB算法(Oriented FAST and Rotated BRIEF，ORB)，改善特征点对噪声的敏感程度。在此基础上，文献[9]将ORB特征点应用于检测动态场景下的运动目标，该方法不但提高了检测精度，而且保证了跟踪的实时性，目前用ORB算法对目标进行跟踪的方法较少，较为新颖的论文参考文献[10-11]。……