[发明专利]基于TLD跟踪系统的视频目标跟踪方法

说明书

本发明属于目标检测和目标跟踪领域，公开了一种基于TLD跟踪系统的视频目标跟踪方法，包括：在跟踪目标的起始帧，根据给出所需要跟踪目标的位置和大小信息，生成子图像窗口，并对CSK跟踪器和检测器进行初始化；跟踪器根据上一帧跟踪到的目标以及当前帧跟踪到的目标估计出本帧图像中目标的位置；用检测器找到在当前帧中所有可能出现的目标区域；对跟踪器和检测器的结果进行综合，判断出当前帧是否存在目标，如果不存在目标，则对下一帧进行处理；如果存在目标，就判断目标是否有效；如果有效，则进入学习模块，完成检测器和跟踪器的在线更新，并开始对下一帧进行处理；能够解决目标出现遮挡时对目标进行有效检测的问题。

技术领域

本发明属于目标检测和目标跟踪技术领域，尤其涉及一种基于TLD(Tracking-Learning-Detection，跟踪学习检测)跟踪系统的视频目标跟踪方法。

背景技术

运动目标的检测和跟踪是计算机视觉领域重要的研究内容之一。通过人眼将运动的目标从视频序列中分析识别出来是非常容易的，但是对于计算机来说却是很困难的，因为跟踪目标的形态变化、背景混杂以及光照变化都会对跟踪带来巨大的干扰。运动的目标跟踪与检测是利用数字图像处理以及视频分析等相关技术对视频序列图像进行处理分析，最终使计算机理解视频序列中的客观背景和目标。实时跟踪已经在监控安防、智能机器人、遥感探测和航天航空等领域发挥着重要作用，研究此问题具有重要的应用价值。

运动目标检测与跟踪在工业上安防、航天航空、遥感探测、智能机器人等领域发挥着重要作用。未来基于计算机视觉的目标跟踪系统不仅在电子技术、工业检测等传统行业具有巨大的市场，在基础设施的配套工程，如：城市道路监控，以及自动驾驶汽车、无人飞机等新型产业将迎来广阔的应用前景。因此，研究具有稳定性、实时性、精确性的目标跟踪算法有着十分重要的应用价值，同时也会面临着严峻的挑战。

在对TLD研究和测试的过程中，TLD算法对于遮挡的目标跟踪效果并不理想。

发明内容

针对上述现有技术的缺点，本发明的目的在于提供一种基于TLD跟踪系统的视频目标跟踪方法，在原有TLD框架中的引入CSK(Circulant-Structure-Kernel循环矩阵结构)跟踪器并对原有的检测框架进行修改，能够解决目标出现遮挡时对目标进行有效检测的问题。

为达到上述目的，本发明采用如下技术方案予以实现。

一种基于TLD跟踪系统的视频目标跟踪方法，所述视频目标跟踪方法基于视频目标跟踪系统实现，所述视频目标跟踪系统包含：跟踪滤波器，重合度检测器，随机森林分类器，以及最近邻分类器；所述视频目标跟踪方法包括如下步骤：

步骤1，获取视频中的第一帧图像，人为标定目标区域，在所述第一帧图像中获取以所述目标区域为中心，所述目标区域N倍大小的图像片；所述人为标定的目标区域为矩形区域；

步骤2，根据所述图像片的大小构造二维高斯分布函数以及汉明窗，进而根据所述图像片、所述二维高斯分布函数以及所述汉明窗，分别对跟踪滤波器的第一参数、第二参数进行初始化；

步骤3，以所述目标区域的大小为基准，构造多个不同尺度的矩形框；

第一尺度矩形框从所述第一帧图像的左上角开始，每次移动一个像素位置，从左往右，从上往下，依次遍历整个第一帧图像；在所述第一尺度矩形框遍历整个第一帧图像的过程中，记录该第一尺度矩形框的所有位置以及第一尺度矩形框在每个位置时与目标区域的重合度；所述第一尺度矩形框为多个不同尺度的矩形框中的任意一个矩形框；重合度的值大于0且小于1；

采用集合grid记录多个不同尺度的矩形框遍历所述第一帧图像过程中的所有位置以及每个尺度矩形框在每个位置时与目标区域的重合度，完成对重合度检测器的初始化；

步骤4，设置第一重合度阈值，第二重合度阈值，且第一重合度阈值大于第二重合度阈值；