[发明专利]一种基于算法融合的自适应、持久的运动目标识别方法

权利要求书

1.一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，主要包括以下步骤：

步骤S3：对后续帧图像使用KCF进行跟踪；对后续帧图像使用Kalman进行跟踪；

步骤S4：将KCF跟踪的结果与Kalman跟踪的结果用匈牙利算法进行匹配；在两者的多个目标框中，完全匹配的目标框，使用对应的KCF对象的结果更新KCF对象和kalman对象；不匹配的目标框，使用对应的kalman对象的结果更新KCF对象和kalman对象；

在步骤S3之前还包括以下步骤：

步骤S1：初始化跟踪器，使用检测器检测第一帧图像，得到多个运动目标的初始框；

步骤S2：使用多个初始框初始化多个KCF对象，对象数目和目标数目一致；使用多个初始框初始化多个kalman对象，对象数目和目标数目一致。

2.根据权利要求1所述的一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，还包括自适应的步骤：

步骤S03：设置初始的间隔次数为n；在后续帧中，若累积跟踪次数≧n，则访问检测器线程与跟踪器线程共享的数据结构detFrameData；然后判断检测器是否写入了对应帧的检查结果，若是，则根据检测器的结果更新跟踪器，并返回跟踪结果，并按照步长减少间隔次数n，并清零累积跟踪次数；否则按照步长增加间隔次数n，并清零累积跟踪次数。

3.根据权利要求2所述的一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，所述步骤S03中，若累积跟踪次数n，则累积跟踪次数加1，跟踪并更新跟踪器；所述步骤S03之后判断是否是最后一帧图像，若不是，则读取下一帧继续重复步骤S03，否则结束。

4.根据权利要求2所述的一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，初始的所述间隔次数n=td/tt,其中td为检测器检测一帧的时间，其中tt为跟踪器跟踪一帧的时间。

5.根据权利要求2所述的一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，在步骤S03之前还包括以下步骤：

步骤S01：使用多个初始框初始化跟踪器；

步骤S02：启动检测器线程和跟踪器线程；创建检测器时并检测第一帧并将结果写入detFrameData。

6.根据权利要求1所述的一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，还包括持久的步骤：

步骤S001：当需要用检测器更新跟踪器时，将kalman跟踪的结果与检测器检测的结果用匈牙利算法进行匹配；

步骤S002：在两者的多个目标框中，完全匹配的，使用对应的检测器检测结果更新KCF对象和kalman对象；不匹配的，如果是跟踪器识别出，而检测器未识别出的目标，则用跟踪器的结果更新跟踪器。

7.根据权利要求6所述的一种基于算法融合的自适应、持久的运动目标识别方法，其特征在于，所述步骤S4和步骤S002中，完全匹配的条件是阈值为IOU小于0.3。