[发明专利]一种基于圆投影匹配算法的TLD目标跟踪方法

说明书

本发明涉及一种基于圆投影匹配算法的TLD目标跟踪方法，包括：跟踪模块、检测模块、学习模块，该方法包括如下步骤：从第一帧图像中初始化选取目标区域，获取目标区域信息；所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；所述检测模块对所述当前帧图像进行全局遍历得到待选目标；所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；将所述目标跟踪区域输入至所述学习模块进行学习。本发明能够大幅度提高TLD目标跟踪算法的抗旋转性，且该方法计算量相对较小，算法简单，进一步提高了TLD算法的实时性。

技术领域

本发明属于目标跟踪技术领域，具体涉及一种基于圆投影匹配算法的TLD目标跟踪方法。

背景技术

目标跟踪在军事和民用领域中都有广泛的应用。而随着现代航空航天技术的飞速发展，各种航行速度和机动性能越来越高，对目标跟踪也提出越来越高的要求。目标跟踪是把自动控制、图像处理、信息科学有机结合起来，形成了一种能从图像信号中实时地自动识别目标、提取和预测目标位置信息，自动跟踪目标运动技术。

作为一种基于在线学习检测的单目标跟踪算法，TLD(Tracking-Learning-Detection，简称TLD)跟踪算法由于其良好的跟踪性能，受到了广泛的关注。该算法主要由跟踪模块、检测模块、学习模块三个部分组成。跟踪模块采用中值光流法预测出目标在当前帧中的位置；检测模块使用了三层级联分类器，方差分类器、随机蕨分类器、最近邻分类器，检测出目标在当前帧中的位置；学习模块利用P-N在线学习的方法，不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。TLD算法较好的解决了被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。例如专利申请号为201610530203.0的一种基于TLD算法的目标跟踪方法。

TLD算法在对单目标进行长时间跟踪时展现出了良好的跟踪性能，但是当被跟踪目标出现较大角度旋转时，TLD算法很容易造成跟踪目标丢失。这是因为传统的最近邻分类器采用归一化互相关匹配法(Normalized Cross Correlation，NCC)进行图像匹配，这在目标的旋转角度极其小(不大于5度)时，跟踪效果不错。但是当目标发生大角度旋转时，很容易造成目标丢失。并且传统的TLD跟踪算法检测模块的三层分类器计算复杂，实时性差，其中随机蕨分类器耗时尤为严重，影响工程实践的效果。

因此，提高TLD目标跟踪算法的抗旋转性仍然是一个极富挑战性的课题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于圆投影匹配算法的TLD目标跟踪方法，包括：跟踪模块、检测模块、学习模块，包括：

(a)从第一帧图像中初始化选取目标区域，获取目标区域信息；

(b)所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；

(c)所述检测模块对当前帧图像进行全局遍历得到待选目标；

(d)所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；

(e)根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；

(f)将所述目标跟踪区域输入至所述学习模块进行学习。

在本发明的一个实施例中，所述步骤(a)包括：

在视频或者图片序列的起始帧，手动确定一个包含目标的矩形并得到所述矩形的初始坐标和宽高信息作为初始化的目标区域。

在本发明的一个实施例中，所述步骤(b)采用中值光流法。

在本发明的一个实施例中，所述步骤(d)包括：