TLD跟踪模型算法的研究和应用探索_精品文档PPT文档格式.ppt
- 文档编号:15484596
- 上传时间:2022-11-01
- 格式:PPT
- 页数:19
- 大小:2.25MB
TLD跟踪模型算法的研究和应用探索_精品文档PPT文档格式.ppt
《TLD跟踪模型算法的研究和应用探索_精品文档PPT文档格式.ppt》由会员分享,可在线阅读,更多相关《TLD跟踪模型算法的研究和应用探索_精品文档PPT文档格式.ppt(19页珍藏版)》请在冰豆网上搜索。
美国DETER系统(DetectionofeventsforthreatevaluationandRecogniton)可以从视频中提取运动目标之后,对运动目标进行实时追踪,根据追踪轨迹对运动目标的行为模式进行判定,有效提供异常行为报警。
立项目的与意义立项目的与意义若能做好计算机自动识别物体的跟踪和定位,将在工业、医学、教育等方面起到巨大的作用。
如机器人手术要求机器人具有识别物体及其运动的能力,虚拟教育软件需要与学生完成人机交互等。
这方面的算法层出不穷,本课题研究的TrackingLearningDetector(TLD)算法是一个基于追踪,检测和学习的长时跟踪未知物体追踪,检测和学习的长时跟踪未知物体的算法,它将检测器和跟踪器较好地结合在一起,并且能够随时对跟踪结果进行评估和学习,从而实现更好的长时跟踪。
同时,这个算法框架的鲁棒性很强鲁棒性很强,具备很强的学习恢复能力具备很强的学习恢复能力。
本课题旨在了解、掌握并实现TLD算法的基础上改进和增强此算法改进和增强此算法,利用改进后的算法建立视觉追踪模型建立视觉追踪模型,编写相关软件,使其具有较好的对物体进行跟踪和定位跟踪和定位的功能,为以后实际应用打下基础。
课题研究的背景、目的与意义课题研究的背景、目的与意义自我考核鸣谢追踪模型算法分析算法分析应用探索建设规划课题特色汇报提纲汇报提纲当前主流视觉跟踪算法分析当前主流视觉跟踪算法分析光流法算法简介:
探测当前帧的特征点;
比较连续两帧图像的灰度值,估计当前帧特征点在下一帧的位置;
过滤位置不变的特征点,锁定目标。
条件限制:
亮度恒定、小运动、空间一致,并保证连续图像中的邻近点速度一致。
缺点:
光流在对大而不连贯的运动追踪时效果较差。
均值漂移法算法简介:
主要利用非参数模型实时进行学习,Mean-shift算法与核密度估计结合,其规则实不断寻找串窗口的重心,对获得的位置进行圈定即得到所要跟踪的对象。
由于学习收敛性的影响,跟踪过程不是很稳定。
卡尔曼滤波器算法简介:
卡尔曼滤波是一种递归的估计,只要获知上一时刻状态的估计值以及当前状态的观测值就可以计算出当前状态的估计值,利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。
卡尔曼滤波器也存在系统模型不准确,噪声统计特征选取不当,及滤波累积误差过大等导致不稳定因素。
自我考核鸣谢追踪模型追踪模型算法分析应用探索建设规划课题特色汇报提纲汇报提纲利用利用TLDTLD(TrackingLearningDetectorTrackingLearningDetector)算法建立追踪模型)算法建立追踪模型算法描述算法描述TrackingLearningDetector,跟踪学习的目标检测。
其中tracking工作时基于Lucas-Kanade光流法。
learning学习的过程有growing和pruning两方面的工作,通过正负反馈,得到较好的学习结果。
detection的部分用的是随机森林的机器学习办法,加上bootstarps。
对于特征的选择,我们拟采用种基于LBP特征的2bitBP特征。
TLDLearningDetectionTracking实际追踪定位模型实际追踪定位模型自我考核鸣谢追踪模型算法分析应用探索应用探索建设规划课题特色汇报提纲汇报提纲成熟成熟TLDTLD算法在人机交互系统中的应用探索算法在人机交互系统中的应用探索目前人机交互系统中存在的问题目前人机交互系统中存在的问题人机交互系统经历了手工操作,命令语言和图形用户界面(GUI)的三个阶段。
在输入设计方面,经历了键盘、鼠标、手写、触摸屏、扫描多种输入方式,目前更是发展到了通过语音、三维输入(数据手套、三维鼠标)以及视觉输入。
目前各种方法不足之处:
繁杂的输入设备和特殊的工作环境严重影响了工作效率工作效率;
输入设备昂贵较易损耗,维护成本成本较高较高;
输入习惯于人类的自然交流方式交流方式不一致,为了操作需要被迫学习输入规则;
很多方法必须要接触设备,不适合远程操控以及有污染、粉尘的环境:
引入引入TLDTLD追踪技术的原因追踪技术的原因TLD技术在继承传统算法思想的同时,又有新的创新和发展,以克服传统算法的不足。
TLD跟踪具有定位准确性,这是包括机器视觉在内的所有领域都期望达到的目标,适合于对人或其它任何事物的跟踪,即使在缺帧或摄像头快速运动缺帧或摄像头快速运动的情况下,也同样可以进行长期跟踪。
TLD具有不受光线干扰受光线干扰的特性。
并且TLD具有抗遮挡性抗遮挡性。
TLD跟踪技术在计算机跟踪技术在计算机视觉领域中的应用前景视觉领域中的应用前景随着计算技术和硬件条件的不断完善,构造任意虚拟场景虚拟场景已不再遥远,结合虚拟现实虚拟现实或者增强现实环境增强现实环境,强调用户的体验,例如用户参与其中的竞技项目,或者是虚拟场景的互动,都需要用到高效的追踪算法。
在航天事业和机器人航天事业和机器人应用中,根据动作设计仿真动画或进行简单就交流。
辅助盲聋哑人盲聋哑人的教育,促进正常人通过计算机和聋哑人的交流。
自我考核鸣谢追踪模型算法分析应用探索建设规划课题特色课题特色汇报提纲汇报提纲本课题的创新点与实际价值本课题的创新点与实际价值本课题“TLD跟踪模型算法的研究和应用探索”,结合现有视觉追踪技术,根据现实需要而提出。
具有以下特点与创新:
引入TLD追踪算法TLD跟踪具有定位准确性定位准确性,适合于对人或其它任何事物人或其它任何事物的跟踪,即使在缺帧或缺帧或摄像头快速运动摄像头快速运动的情况下,也同样可以进行长期跟踪;
具有不受光线干扰不受光线干扰的特性;
具有抗遮挡性抗遮挡性。
当目标被半目标被半/全遮挡或消失全遮挡或消失时,TLD仍然可以做到正确跟踪;
TLD的自适应性使得跟踪可以始终跟随目标的变化始终跟随目标的变化TLDTLD能够做到连续准确的跟踪能够做到连续准确的跟踪。
TLD算法的研究与创新结合现有主流追踪算法所代表的的实时学习模型,实现并改进实现并改进TLDTLD追踪算法追踪算法,建立以人体为对象的运动追踪模型。
运动追踪模型。
挖掘TLD价值。
探讨TLD算法的实际应用价值实际应用价值。
研究其在工业、医学、教育工业、医学、教育等方面的实际应用,以及在信号预测信号预测,及控制导航方面控制导航方面的理论指导意义。
自我考核鸣谢追踪模型算法分析应用探索建设规划建设规划课题特色汇报提纲汇报提纲本课题进度安排与经费预算本课题进度安排与经费预算序号支出项目预算金额(元)测算依据1资料费1500购买书籍书籍、论文资料2会议费500会议材料,相关报告材料打印3购买实验耗材4000实验平台搭建4论文发表费4000发表论文合计10000经费预算经费预算进度安排进度安排1规划准备:
2012年10月10日2012年11月20日。
查阅资料,咨询老师。
对项目进行细化,对人员进行更为详细的分工,不同任务分派到人。
2实施阶段:
2012年11月20日2013年8月30日。
配置相应的开发环境;
详细了解TLD算法并进行测试与优化,建立基于TLD算法的行人追踪系统。
3结题阶段:
2013年8月30日2013年10月1日。
算法的最终优化与实现,填写结题表,撰写结题论文和报告,发表论文,参加结题答辩。
自我考核自我考核鸣谢追踪模型算法分析应用探索建设规划课题特色汇报提纲汇报提纲工作方法工作方法1算法学习研究:
光流法、均值漂移法、卡尔曼滤波器与TLD主流算法的分析与实现;
重点分析各个追踪算法的适用条件、追踪适用条件、追踪效果、工作效率与代价效果、工作效率与代价;
2理论实践:
上位机开发环境:
VS2008VS2008配置配置OpenCVOpenCV;
上位机应用软件开发;
C#开发应用程序界面。
3成员组织定期召开小组会议,交流学习成果,进行计划总结;
定期完善项目博客与实验记录,确保项有计划的开展;
工作方法与自我考核工作方法与自我考核起止日期主要研究内容预期结果2012年1010日2012年11月20日规划准备明确组成员任务制定工作计划2012年11月20日2013年2月28日追踪算法学习研究配置开发环境学习追踪算法2013年3月1日2013年5月30日项目实践算法实现,建立数学应用模型发表论文2013年5月30日2013年9月30日上位机软件开发模型优化手势识别软件设计与开发2013年9月30日2013年10月30日结题准备结题验收表项目报告总结自我考核自我考核自我考核鸣谢鸣谢追踪模型算法分析应用探索建设规划课题特色汇报提纲汇报提纲鸣谢鸣谢对李建东老师对项目的指导深表感谢!
对智能无线网络与协同控制研究中心的学长深表感谢!
对物理实验中心的支持深表感谢!
对所有支持本项目的老师、学长学姐、同学们表示感谢!
本课题的创新点与实际价值本课题的创新点与实际价值本课题“TLD跟踪模型算法的研究和应用探索”,结合现有视觉追踪技术,根据现实需要而提出。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- TLD 跟踪 模型 算法 研究 应用 探索 精品 文档
![提示](https://static.bdocx.com/images/bang_tan.gif)