[发明专利]一种基于TLD的长时间单目标跟踪方法

权利要求书

1.一种基于TLD的长时间单目标跟踪方法，其特征在于，包括以下步骤：

步骤1、得到第一帧图像和要跟踪的目标框，进行初始化；

所述步骤1具体采用如下方法：

步骤1.1、采用滑动窗口法得到扫描窗口，计算扫描窗口与目标框的重叠度，保存重叠度最大的扫描窗口n个，保存所有重叠度小于r的扫描窗口为负样本，并用于训练和测试分类器；

步骤1.2、计算目标框的方差initVar，将0.5*initVar作为方差分类器的阈值；

步骤1.3、选取步骤1.1中与目标框重叠度最大的扫描窗口为最近邻分类器的正样本；

步骤1.4、对步骤1.1中的到的重叠度最大的n个扫描窗口进行±1％偏移、±1％尺度变化、±10％平面内旋转，并且在每个像素上增加方差值为X的高斯噪声，每个扫描窗口进行m次上述变换，则得到n*m个矩形框作为集合分类器的正样本；

步骤1.5、将步骤1.1中重叠度小于r的矩形框和步骤1.2中方差大于0.5*initVar的矩形框标记为集合分类器的负样本，在其中随机选取nEx个作为最近邻分类器的负样本；

步骤1.6、对集合分类器和最近邻分类器进行训练和测试，修改分类错误；

步骤2、读取新的一帧图像，检测模块和跟踪模块并行工作，通过学习模块更新目标模型，通过综合模块得到最终目标位置；

所述步骤2具体采用如下方法：

步骤2.1、当前帧图像输入到跟踪模块，启动KCF跟踪方法得到当前帧的目标位置；

所述步骤2.1具体采用如下方法：

步骤2.1.1、对当前一帧图像进行采样，得到目标位置，对目标进行HOG特征提取，通过循环矩阵得到训练样本；

步骤2.1.2、对样本特征进行傅里叶变换，在频域进行核相关滤波操作后得到最大响应位置，输出目标位置；

步骤2.2、当前帧图像输入到检测模块，依次通过前景检测器、方差分类器、集合分类器和最近邻分类器，得到检测结果；

步骤2.3、综合模块将跟踪和检测得到的目标结果进行比较，输出相似度最大的作为目标；

步骤2.4、学习模块更新集合分类器和最近邻分类器中的正负样本；

步骤3、进行下一帧图像的处理，重复步骤2，直至视频结束。

2.根据权利要求1所述的基于TLD的长时间单目标跟踪方法，其特征在于，所述步骤2.2具体采用如下方法：

步骤2.2.1、前景检测器采用帧差法缩小检测范围，将通过的矩形框传给方差分类器；

步骤2.2.2、方差分类器利用积分图计算待检测矩形框的方差，方差大于0.5*initVar的送入集合分类器；

步骤2.2.3、集合分类器计算10个基本分类器的后验概率的平均值，将大于阈值thr_fern的矩形框送入最近邻分类器；

步骤2.2.4、最近邻分类器计算图像元与目标模型的相关相似度和保守相似度，将大于阈值thr_nn的矩形框为最终检测结果。