一种改进的TLD跟踪算法研究

• 作者: 徐攀 齐文宗
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 目标跟踪 检测器 支持向量机
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 312-315
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.04.061

摘要

在TLD(Tracking-Learning-Detection)跟踪算法的研究上,提出了一种基于SVM(Support Vector Machine)的TLD目标跟踪算法.改进的TLD跟踪算法采用支持向量机(SVM)分类器进行图像目标正负样本的分类学习,有效提高了算法的鲁棒性以及实时性.另外对算法的Haar-Like特征进行了改进,利用多种Haar-Like特征,能提取目标丰富的特征信息.研究结果表明,改进算法能有效的长时间的跟踪目标,减少了目标在跟踪过程中的漂移现象,提高了跟踪的鲁棒性的准确性.