[发明专利]一种基于TLD算法的目标稳定跟踪方法

权利要求书

1.一种基于TLD算法的目标稳定跟踪方法，其特征是：在待跟踪视频的起始帧，由用户指定跟踪窗口形成正负样本对检测模块进行初始化训练，在跟踪过程中，检测模块和跟踪模块独立工作：检测模块扫描当前帧图像获得图像块并依次通过方差分类器、合并分类器、最近邻分类器，并对通过这三个分类器的图像块进行聚类，跟踪模块采用中值光流法通过上一帧跟踪结果预测当前帧目标位置，并计算当前帧目标位置和上一帧目标位置中心点之间的欧式距离D，若D大于一个自适应的阈值，则判定当前帧跟踪失败，跟踪模块不输出任何结果，整合模块综合检测模块和跟踪模块进行跟踪结果的输出并且对当前更新后的目标位置，产生新的正负样本，从而更新检测模块；

利用了当前帧前N帧的有关信息对原有的跟踪失败检测机制进行自适应的阈值设定，其中，在跟踪失败检测机制的初始化中，整个视频的前N帧的跟踪失败检测阈值被设置为一个较大值，即默认在视频的前N帧中不会出现跟踪失败；

自适应失败检测阈值θ_failure为：

其中，D_2,1是 矩形框1与矩形框2之间的距离，N＝6，θ_c＝10是TLD算法的默认残差阈值，α为调节系数，

2.根据权利要求1所述的一种基于TLD算法的目标稳定跟踪方法，其特征是：在待跟踪视频的起始帧中，由用户指定跟踪窗口，然后对距离指定的跟踪窗口最近的扫描网格窗口中选取若干个窗口进行一系列的仿射变换形成初始的正样本，并对远离指定的跟踪窗口随机搜选获得初始的负样本，所获得的正负初始样本用来对检测模块进行初始化训练。

3.根据权利要求1所述的一种基于TLD算法的目标稳定跟踪方法，其特征是：在跟踪过程中，检测模块对当前帧图像进行网格扫描获得图像块后，首先计算各图像块的方差，方差小于某个阈值的图像块被接受，进入合并分类器，通过若干个不同的基本分类器进行的像素比较后得到的平均后验概率值，大于某个阈值的图像块被接受，进入最近邻分类器； 通过对进入最近邻分类器的图像块进行灰度的零均值归一化处理，与目标模型中的图像块进行互相关归一化的相似度计算，如果相似度大于某个阈值，则判定当前图像块为目标区域，否则判定为背景。

4.根据权利要求1所述的一种基于TLD算法的目标稳定跟踪方法，其特征是：在跟踪过程中，跟踪模块和检测模块独立运行，并采用自适应跟踪失败检测机制进行跟踪失败检测，最后将检测结果与跟踪结果融合输出目标跟踪结果，在每一帧中对当前更新后的目标位置，产生新的正负样本，从而更新目标模型与检测模块。