[发明专利]基于改进Online Boosting和卡尔曼滤波器改进的TLD跟踪方法

权利要求书

1.一种基于改进Online Boosting和卡尔曼滤波器改进的TLD跟踪方法，其特征在于，包括如下步骤：

(1) 初始化

圈定跟踪目标，并进行仿射变换，形成初始正负样本集；利用该样本集初始化OnlineBoosting分类器，对输入样本提取Harr-like和LBP特征，形成一个特征池，利用其训练一个Online Boosting分类器；然后利用初始样本集初始化P-N学习器中的分类器；

(2) 图像跟踪

采集下一帧图像，在上一帧图像的选定范围中选取一些特征点，然后对前后两帧图像使用两次L-K光流法对特征点进行跟踪，并计算两次跟踪误差，小于预先设定阈值的特征点被保留下来，并根据跟踪误差得出本次跟踪成功还是失败；

(3) 图像检测

将待跟踪图像输入至卡尔曼滤波器，预测目标的大致位置；将缩小范围后的图像通过方差分类器大致区分前景还是背景，并利用初始训练的Online Boosting分类器分类通过方差分类器的前景样本，然后将Online Boosting分类器输出的正样本作为KNN分类器的输入，通过KNN分类器判定的正样本，被认为最终的正样本，否则被认为负样本，最后将检测器形成的正负样本集加入到初始正负样本集中；

(4) 综合跟踪与检测结果

根据正负样本集评估图像跟踪结果与图像检测结果的置信度，得出最终采用哪一模块的结果作为最终结果；若目标移出视场范围，图像跟踪将跟踪失败，若图像检测也未检测到目标，此时认为视场范围内没有目标；当目标再次移入视场范围时，图像检测若检测到目标，便重新初始化图像更新部件，让其继续工作；

(5) 在线学习

将分类出的正负样本通过P-N学习器，修正图像跟踪和图像检测的结果，并将学习结果加入到正负样本集中。