摘 要：目标跟踪在计算机视觉领域有着重要的应用，比如视频监控、人工智能、军用导弹、医疗辅助等。尽管目标跟踪一直是国内外学者研究的热点，但它依旧是一个尚未解决的国际难题。跟踪的结果常常会受到光照、遮挡物、相似物的影响，因此算法仍然具有很大的挑战。本文主要研究的是长时间对目标物体进行追踪的问题，TLD框架是本文所应用的新框架。该跟踪算法可以分解成三个模块：跟踪模块、检测模块和学习模块。跟踪模块中通过跟踪器来追踪目标物体。检测器是将已经检测到的特征进行局部化处理，并且对跟踪器进行修正。学习器估计出检测器的错误，并及时更新检测器，以避免今后再出现这些错误。78967

毕业论文关键词：长期跟踪, 视频帧学习, 检测, 特征

Abstract：Object tracking is one of the most important parts in many applications of computer vision, such as surveillance, medical imaging and human-computer interaction。 Although object tracking has been studied for decades, but it is still a very challenging problem。 A large number of factors affect the performance of the tracking algorithm, such as lighting changes, occlusion and background clutter。This article focuses on research of long-term tracking video stream of the target object。 This paper presents a new tracing framework (TLD)。 The framework will be for a long time to track the target down into three parts: tracking, learning and detection。 Tracker to track the target in the video frame。 Detector is already detected features local processing, and constantly revised trackers as needed。 Learning is estimated detector errors and update the detector to prevent subsequent re-emergence of these errors。

Keywords：long-term tracking, video frame learning, detection

目   录

1。 绪论 4

1。1 运动目标检测和跟踪问题的提出 4

1。2 研究背景与意义 4

2。 国内外研究现状 5

3。 OpenCV技术介绍 6

3。1 OpenCV模块 6

3。2 OpenCV在VS2010下的配置方法 7

3。3 OpenCV常用数据结构 10

3。4 OpenCV常用函数 12

4。 TLD跟踪算法 12

4。1 追踪模块 13

4。2检测模块 16

4。2。1 方差分类器 17

4。2。2 集成分类器 17

4。2。3 最近邻分类器 18

4。3 学习模块 19

4。3。1 初始化 20

4。3。2 P专家 20

4。3。3 N专家 21

4。4 TLD算法流程 22

4。5 TLD算法优缺点 23

5。 调试与分析 23

5。1 系统测试 24

5。2 问题及解决办法 27

结  论 30

参 考 文 献 31

致 谢 32

1。 绪论