ROS-OpenTLD技术文档.docxVIP

ROS-OpenTLD 技术文档李明龙 2014.11.191、简介TLD算法全称为tracking-learning-detecting算法，旨在实现长期的单目标跟踪，具有实时性和鲁棒性。ROS-OpenTLD是由大牛Ronan Chauvin所编写，创建日期为2012年6月8日，为George Nebehay所编写的C++版本TLD算法实现ROS封装并提供接口（TLD算法的原作者为捷克籍博士Zdenek Kalal，用MATLAB和C编写）。需要补充的是，无论是原作者Zdenek的MATLAB代码，George的C++代码，还是由Ronan所实现的ROS封装，都遵循GPL开源协议，允许复制，保存，修改，重新发布甚至做产品，但是必须附上原作者的名字，具体参考GPL开源协议文档（ROS中使用BSD开源协议，限制更少，比GPL更宽松）。2、实现 2.1 TLD算法思想概述图1 TLD算法总体框架TLD算法的总体实现如图1所示，包括四大模块：跟踪，学习，检测以及集成模块。视频帧输入之后，通过学习模块不断对在线目标模型进行实时更新，同时学习模块也担任着另一个任务，那就是实时更新跟踪模块和检测模块中所需要的一些阈值（阈值初始由yml文件读入，是人为设置的经验参数，后期根据所跟踪目标的不同进行实时的训练，最终收敛。）跟踪模块通过中值流（median flow）跟踪法会预测出一个下一帧的目标位置。检测模块通过级联分类器（cascade classfier，由阈值分类器，随机森林分类器，最近邻分类器三个分类器组成），会检测出一定数量（不一定是一个，可能是多个）的下一帧的目标位置。综合模块就对这两类目标位置进行综合，从而得出一个最合适的目标位置，通过图像框（bounding box）的方式显示出来，并把这个最优图像框反馈给学习模块，来丰富他的训练集。就这样一帧一帧的循环迭代，实现了实时而又鲁棒的单目标跟踪。2.2 ROS中的封装2.2.1消息格式（message format）在阐述封装实现细节之前，首先列举ROS 包所定义的消息格式： 1、BoundingBox，表示图像框boundingbox。Header headerint32 xint32 yint32 widthint32 heightfloat32 confidencex, y, width, height分别表示目标图像框的位置坐标以及宽和高，confidence这个浮点变量表示的是所跟踪到的目标的置信度（与目标模型的符合程度）。 2、Target，表示目标BoundingBox bbsensor_msgs/Image imgtarget格式的message中包含一个BoundingBox类型的变脸bb，同时包含一个img类，img类定义在sensor_msgs包中，ROS用sensor_msgs/Image来传输图像，但是image格式是ROS所能识别和处理的，要让openCV也能识别和处理，必须借助于CvBridge来相互转化（见附录一）。2.2.2参量、发布者和订阅者首先列举作者所定义的一些参量：ros::NodeHandle np(~);np.param(showOutput, showOutput, true);np.param(loadModel, loadModel, false);np.param(autoFaceDetection, autoFaceDetection, false);np.param(exportModelAfterRun, exportModelAfterRun, false);np.param(modelImportFile, modelImportFile, std::string(model));np.param(modelExportFile, modelExportFile, std::string(model));np.param(cascadePath, face_cascade_path, std::string(haarcascade_frontalface_alt.xml));np.param(x, target_bb.x, 100);np.param(y, target_bb.y, 100);np.param(width, target_bb.width, 100);np.param(height, target_bb.height, 100);np.param(correctBB, correctBB, false);作者对于参量的命名十分具体，例如loadModel表示载入模型，在这里不做叙述。下面列举作者所定义的两个发布者和三个订阅者：pub1 = n.advertisetl