面向监控视频的行人跟踪算法设计与实现(3)
（3）军事制导。随着电子技术的发展，高性能的红外线探测器和毫米波制导系统的采用，精确制导武器可以对目标进行独立自主的捕捉、跟踪和击中，不需要人工干预。在当代，精确制导武器在军事领域中越发重要。制导系统誓精确制导武器中重要的组成部分，它在很大程度上决定了武器的精度。目标跟踪技术能够实时地提供目标的速度、轨迹等有效信息，是制导系统中不可或缺的重要部分。
（4）医学诊断。医学上，对图像进行增强、对生物特征进行检测和跟踪可以协助医生诊断疾病。通过对患病部位的跟踪识别，医生可以对病情有更深入的了解。目前，超声波技术和核磁共振技术己被广泛的应用于医学诊断。目标跟踪技术可以对超声波和核磁共振的图像序列进行自动分析，因此在医学上有广阔的应用前景。图像中往往会出现噪声，掩盖其中有用信息。对图像序列进行分析，能够有效的去噪，从而得到更准确的结果。
（5）人机交互。人机交互是计算机系统中一个重要的组成部分。智能人机交互使计算机摆脱鼠标、键盘等传统的输入设备，对人类的语音、表情、动作和手势等交流方式进行识别和理解，与人类进行交互。目标跟踪技术与唇语识别、动作识别、手势识别、人眼识别等技术都密切相关。
此外，目标跟踪技术还在三文重构、智能机器人导航与定位、行为分析等方面具有重要的应用价值。
1.3 国内外研究现状
1.3.1 视频监控系统研究现状
1.3.2 目标跟踪研究现状
1.4 主要研究内容
本文介绍了TLD、struck、mean shift、LSST、L1-APG、IVT和CT七种先进的实时跟踪算法。对TLD算法在TLD数据集以及PKU-SVD-B数据集上进行实验与分析，并将其结果与struck、L1-APG算法的实验结果进行对比。并针对TLD算法的不足，提出改进方案。
1.5 论文的结构安排
第一章主要介绍了本文的研究背景和意义，以及视频监控和目标跟踪的国内外研究现状。
第二章主要介绍了七种先进的实时跟踪算法TLD、struck、mean shift、LSST、L1-APG、IVT和CT。
第三章主要研究了主流的TLD算法，在TLD数据集以及PKU-SVD-B数据集上对TLD、struck、L1-APG算法进行实验，将TLD算法的实验结果与struck、L1-APG算法的相比较，并根据实验结果对TLD算法的优缺点进行总结。
第四章对本文进行总结与展望。
2 目标跟踪算法介绍
2.1 引言
目标跟踪是计算机视觉领域中研究的热点，受到了越来越多的关注。近年来，国内外研究人员提出了许多有关目标跟踪的算法。接下来主要介绍七种先进的实时跟踪算法：TLD、struck、mean shift、LSST、L1-APG、IVT和CT算法。
2.2 TLD算法
Tracking-Learning-Detection（TLD）[6]是一种能实现对视频图像中的未知目标进行长时间跟踪的算法。为确保长期跟踪，需解决以下问题：一、当被跟踪目标重新出现在视频中时对它的检测。目标可能会更改其外观，从而与起始帧不相关。二、光照变化，背景杂波，部分遮挡和实时操作等。长期跟踪可以通过两种方法实现：跟踪和检测。跟踪算法估计目标行动，仅需初始化就能快速地产生光滑的轨迹，但是如果目标从视频中消失就会出错。基于检测的算法在每一帧中独立地估计目标位置。检测器不会因为对象从视频中消失而出错，但是需要一个离线训练平台，所以只能被应用于已知的目标。
TLD算法由三部分组成：跟踪模块、检测模块[7]和学习模块[8]。跟踪器随着目标的运动进行跟踪。检测器定位目前为止已观察到的目标，在必要时校正跟踪器。学习器对检测器出现的假正和假负两种错误进行估计并更新，从而避免这些错误在将来发生。一个跟踪器可以为检测器提供弱标记的训练数据，从而在运行时改善它。检测器可以重新初始化跟踪器，从而尽量减少跟踪失败。学习器估计检测器的错误，对错误的样本进行校正，产生新的样本以避免类似的错误。[9]跟踪器和检测器是两个并行的部分，各自运行，所产生的结果都用于学习器。学习器根据跟踪器的结果对检测器产生的错误负样例和错误正样例这两种错误进行评估，并根据其结果生成训练样本，对目标模型进行更新。
上一篇：组合聚类算法研究与实验+文献综述