TLD跟踪模型算法的研究和应用探索.ppt
- 文档编号:18838563
- 上传时间:2024-01-05
- 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.ppt
《TLD跟踪模型算法的研究和应用探索.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.ppt(19页珍藏版)》请在冰点文库上搜索。
大学生创新性实验计划项目开题汇报,TLD跟踪模型算法的研究和应用探索,项目来源:
数学建模委托研究课题指导老师:
李建东团队成员:
刘国帅张欣杨柳,汇报提纲,汇报提纲,立项背景利用计算机实现对物体进行跟踪和定位,是当今一个非常热门的研究方向,同时它也有着十分重要的现实意义。
最常见的是对于住宅、停车场、银行等公共场合的监控,防止偷盗、破坏行为的发生,保障社会的安全。
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,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,利用改进后的算法建立视觉追踪模型,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,汇报提纲,当前主流视觉跟踪算法分析,汇报提纲,利用TLD(TrackingLearningDetector)算法建立追踪模型,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。
实际追踪定位模型,汇报提纲,成熟TLD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;输入设备昂贵较易损耗,维护成本较高;输入习惯于人类的自然交流方式不一致,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TLD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的情况下,也同样可以进行长期跟踪。
TLD具有不受光线干扰的特性。
并且TLD具有抗遮挡性。
TLD跟踪技术在计算机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,构造任意虚拟场景已不再遥远,结合虚拟现实或者增强现实环境,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。
辅助盲聋哑人的教育,促进正常人通过计算机和聋哑人的交流。
汇报提纲,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,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的情况下,也同样可以进行长期跟踪;具有不受光线干扰的特性;具有抗遮挡性。
当目标被半/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TLD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TLD追踪算法,建立以人体为对象的运动追踪模型。
挖掘TLD价值。
探讨TLD算法的实际应用价值。
研究其在工业、医学、教育等方面的实际应用,以及在信号预测,及控制导航方面的理论指导意义。
汇报提纲,本课题进度安排与经费预算,经费预算,进度安排,汇报提纲,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、追踪效果、工作效率与代价;2理论实践:
上位机开发环境:
VS2008配置OpenCV;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,自我考核,汇报提纲,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“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,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的情况下,也同样可以进行长期跟踪;具有不受光线干扰的特性;具有抗遮挡性。
当目标被半/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TLD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TLD追踪算法,建立以人体为对象的运动追踪模型。
挖掘TLD价值。
探讨TLD算法的实际应用价值。
研究其在工业、医学、教育等方面的实际应用,以及在信号预测,及控制导航方面的理论指导意义。
- 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