[发明专利]一种基于TLD算法的无人船海域目标跟踪方法

说明书

本发明公开了一种基于TLD算法的无人船海域目标跟踪方法，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，实现无人船在海域目标丢失的情况下，重新定位的功能。目标候选框生成算法使用基于区域提名的Selective Search算法，生成更少以及比例更精确的候选框；跟踪模块使用基于相关滤波的跟踪方法，提升跟踪效果，并保障了跟踪速度。针对无人船海域目标在光照和形状变化大的情况下，有效地提升了跟踪系统的准确性与鲁棒性。

技术领域

本发明涉及无人船局部避障目标跟踪技术领域，具体涉及一种基于TLD算法的无人船海域目标跟踪方法。

背景技术

随着人工智能技术、网络通信、传感器技术的发展，现代无人船研究领域的各项技术也日趋完善。全自主型无人船应用领域不断扩大，应用前景广阔，具有巨大的商业潜力。具体可应用于海域货物资源运输、海面巡逻搜救、军事监视侦察、海洋测绘与水文监测等。

TLD(Tracking-Learning-Detection)算法由Zdenka Kalal提出，对比普通跟踪算法，TLD算法包含学习模块、检测模块、跟踪模块，有效解决长时间单目标跟踪问题。TLD算法在目标长时间运行过程中维护目标的在线模板，利用在线模板实现目标检测，检测结果结合跟踪模块结果综合分析，保障目标在遮挡、出视野情况下，仍然能够实时重新定位目标位置，最终实现目标的长时间跟踪。TLD算法利用学习机制促进检测和跟踪模块，保障跟踪过程中与目标变化保持一致。

在无人船局部避障过程中，需要实现对目标位置的实时跟踪，利用TLD系统结构可以实现海域目标长时间跟踪。针对原始TLD算法中检测模块使用滑动窗口生成候选框，根据目标的大小在图片按规定的步长缩放比例穷举所有可能的候选窗口。滑动窗口方法简单快速，但是会生成大量的窗口传递入检测阶段。检测模块由三部分级联检测组成，候选框数量庞大而导致检测器每层筛选时间增加。TLD算法的跟踪模块使用简单的中值光流跟踪算法，且仅均匀选取点作为特征点进行跟踪，在无人船由于海面反射，光照变化大的情况下跟踪效果不理想。

发明内容

本发明的目的是为了克服上述现有技术中TLD算法针对海域目标跟踪的缺点与不足，提供了一种基于TLD算法的无人船海域目标跟踪方法，要解决的技术问题为：针对无人船海域目标跟踪问题，提出利用TLD算法思想进行实时跟踪，通过对检测模块中候选框生成算法以及跟踪模块中跟踪算法的不足进行改进，使其能够针对海域目标光照变化和形状变化大的特点更有效地进行跟踪。

本发明的目的可以通过如下技术方案实现：

一种基于TLD算法的无人船海域目标跟踪方法，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。