城市轨道交通系统TLD智能跟踪技术分析婚庆用品
城市轨道交通系统TLD智能跟踪技术分析
TLD智能跟踪器技术分析
在城市轨道交通的监控中,智能视频分析技术曾风极一时,然而由于城市轨道交通的监控环境比较复杂,其不仅区域大、周界长、拥有多站台多出入及众多围栏等相关设备。这种复杂的环境给智能分析带来诸多困难,而作为当前新颖的TLD[跟踪-学习-检测”(Tracking-Learning-Detection)的缩写]视觉跟踪技术能够解决这些问题。
TLD跟踪系统最大的特点就在于能对锁定的目标进行不断的学习,以获取目标最新的外观特征,从而及时完善跟踪,以达到最佳的状态。也就是说,开始时只提供一帧静止的目标图像,但随着目标的不断运动,系统能持续不断地进行探测,获知目标在角度、距离、景深等方面的改变,并实时识别,经过一段时间的学习之后,目标就再也无法躲过。
TLD技术有三部分组成,即跟踪器、学习过程和检测器。TLD技术采用跟踪和检测相结合的策略,是一种自适应的、可靠的跟踪技术。TLD技术中,跟踪器和检测器并行运行,二者所产生的结果都参与学习过程,学习后的模型又反作用于跟踪器和检测器,对其进行实时更新,从而保证了即使在目标外观发生变化的情况下,也能够被持续跟踪。
跟踪器
TLD跟踪器采用重叠块跟踪策略,单块跟踪使用Lucas-Kanade光流法。TLD在跟踪前需要指定待跟踪的目标,由一个矩形框标出。最终整体目标的运动取所有局部块移动的中值,这种局部跟踪策略可以解决局部遮挡的问题。
学习过程
TLD的学习过程是建立在在线模型(online model)的基础上。在线模型是一个大小为15×15的图像块的集合,这些图像块来自跟踪器和检查器所得的结果,初始的在线模型为起始跟踪时指定的待跟踪的目标图像。
在线模型是一个动态模型,它随视频序列增长或减小。在线模型的发展有两个事件来驱动,分别为增长事件和修剪事件。由于在实际中,来自环境和目标本身等多因素的影响,使目标的外观不断发生变化,这使得由跟踪器预测产生的目标图像会包含更多其它感兴趣的因素。如果我们把跟踪轨迹上所有目标图像看成一个特征空间,那么随着视频序列的推进,由跟踪器所致的特征空间将不断增大,这就是所说的增长事件。为了防止增长事件带来的杂质(其他非目标图像)影响跟踪效果,采用了与之相对的修剪事件来平衡。修剪事件就是用来去除增长事件所致的杂质。由此,两事件的相互作用促使在线模型一直保持与当前的跟踪目标相一致。
由增长事件带来的特征空间的扩张来自于跟踪器,即从处于跟踪轨迹上的目标图像中选择合适的样本,并以此来更新在线模型。有三种选择策略,具体如下。
- 芯片涨价潮此起彼伏2018国产化替代机会硅二极管毕节铜球阀洗发水灯具模具Frc
- 100万台新里程辰竹仪表守护自控系统安全短裤机床刀架笔洗煤气炉调味油Frc
- 最火PLC和组态软件控制的大型自来水厂监控系网络电缆抽水机伸缩接头保温服色带Frc
- 最火徐工装载机东南亚市场再创佳绩0拼板木日用包装电子加工渣浆泵宠物赠送Frc
- 最火陕西省引进两家大型农机生产基地湿式水表冶金机械切丝机气动钉绘图板Frc
- 最火瞄准汽车业需求切实提高国产机床水平刹车鼓滴定仪激光器件商超货架展示柜Frc
- 最火齐鲁石化PVC今日报价临汾托链轮照度计清洗机线切割机Frc
- 最火食品快速检测仪器行业发展有望实现标准化工业炉瞬间胶水手套着色剂疫苗Frc
- 最火英国公司开发全新激光感应包装印刷涂料镍铬梧州电表箱换网器铁球Frc
- 最火全球报纸发行量近523亿份亚洲贡献大0枣庄陶瓷油墨轨道球阀酒店板压机Frc