[发明专利]一种基于TLD算法的无人船海域目标跟踪方法

权利要求书

1.一种基于TLD算法的无人船海域目标跟踪方法，其特征在于：所述跟踪方法使用TLD算法框架作为目标跟踪算法的基础，通过检测模块、跟踪模块、学习模块执行，并维护在线模板对目标的信息进行保存；

其中检测模块使用Selective Search算法对图片进行处理，生成候选框，输入到级联分类器中进行筛选，输出最终通过三个分类器的候选框，作为检测结果；

跟踪模块使用相关滤波跟踪算法进行跟踪，通过初始帧中目标信息，设定响应值为高斯分布，通过HOG算法提取图片特征，使用像素循环位移的方式，生成多个目标样本，并通过循环矩阵表示，相关滤波模板的计算使用最小二乘法作为损失函数，训练跟踪模块中相关滤波器，得到滤波模板；使用训练出来的滤波模板与后续采集到的图片进行匹配，得到响应值最高的位置作为跟踪模块输出结果；

检测模块结果和跟踪模块结果输入到综合模块中进行综合分析，得到最终跟踪结果，输出结果反馈于学习模块，当得到的目标框与在线模板相似度低于设定阈值时，进行学习，更新检测模块参数和跟踪模块滤波模板，并更新在线模板；否则不进行学习更新。

2.根据权利要求1所述的一种基于TLD算法的无人船海域目标跟踪方法，其特征在于：基于目标可能遮挡或者脱离视野范围的真实情况，设定前一帧状态位来判断上一帧跟踪情况，如果上一帧没有输出跟踪结果，则在本帧图像上仅使用检测模块进行检测，当检测模块成功输出结果，则更新跟踪模块，重新启用跟踪模块。

3.根据权利要求1所述的一种基于TLD算法的无人船海域目标跟踪方法，其特征在于：由无人船船载摄像头获取图像数据作为所述跟踪方法的输入，其他传感器设备或人为指定获取图像序列初始帧中的目标位置，根据初始帧中目标信息生成正负样本初始化在线模块以及训练检测模块级联分类器。

4.根据权利要求1所述的一种基于TLD算法的无人船海域目标跟踪方法，其特征在于：所述检测模块包含方差分类器、随机蕨分类器和最近邻分类器；方差分类器通过计算候选框区域的像素方差进行筛选，原理为方差小的区域较大概率为背景；随机蕨分类器思想与随机森林类似，通过与目标区域随机选择匹配点进行构建随机蕨进行目标分类计算；最近邻分类器则通过在线模板保持的正负样本，分别计算候选框与正负样本的相似度进行筛选。

5.根据权利要求1所述的一种基于TLD算法的无人船海域目标跟踪方法，其特征在于，检测模块的检测结果分为以下几种情况：如果没有候选框通过检测器，则检测模块没有输出，检测失败；如果最终通过检测器的候选框只有一个，则检测成功；如果通过的候选框有多个，则将检测结果进行聚类，如果聚类结果只有一个聚类中心，则检测成功，否则检测失败。

6.根据权利要求1所述的一种基于TLD算法的无人船海域目标跟踪方法，其特征在于，所述检测模块结果和跟踪模块结果输入到综合模块中进行综合分析，得到最终跟踪结果，具体为：检测模块有输出跟踪模块无输出，将检测结果作为最终方法输出，并重新初始化跟踪模块；检测模块无输出跟踪模块有输出，则直接将跟踪模块结果作为最终跟踪输出；跟踪模块与检测模块都没有输出，则丢弃当前帧，保持原有状态；跟踪模块与检测模块都有输出，如果检测模块结果匹配度更高，则重新使用检测模块结果初始化跟踪模块，并将跟踪模块结果和检测模块结果按不同权值方式求平均值作为最终方法输出。