基于滑动扫描框的高速物体的图像实时跟踪算法

TLD(Tracking-Learning-Detection)算法是近期广受关注的单目标长期跟踪算法.该算法由跟踪器、检测器、学习器协同工作,解决了目前大部分跟踪算法在目标丢失后不能重新识别目标的问题.但是由于检测器的计算量很大,该算法的实时性较差.针对这个问题,提出了一种动态生成检测扫描框的方法.输入的图片先采用跟踪器的前后向金字塔光流法加以计算,估计出目标的大概位置.然后在该位置区域生成滑动扫描框来检测.该方法可以有效缩小检测区域,减少检测器的计算量.将改进后的算法与原始算法以及Camshift、CT(Compress Tracking)算法进行了 比较实验.结果表明,对于实时摄像头监控,改进的算法比原始算法具备更快的跟踪速度和更高的跟踪准确率.对于固定的图像序列,改进的算法的精度和速度都超过Camshift、CT算法.