[发明专利]一种自适应自纠正的目标跟踪方法

说明书

本发明公开一种自适应自纠正的目标跟踪方法，该方法是将目标跟踪中的干扰因素分为环境因素和目标本身因素，根据分类的干扰因素分别提出静态外观模型和自适应外观模型，再对静态外观模型和自适应外观模型进行去噪然后将其融合，最后通过自纠正的跟踪框架以提高跟踪的准确性，它包括静态模块、自适应模块、去噪模块及目标跟踪算法模块；本发明解决在长期跟踪过程中由于环境和目标变化导致的跟踪丢失问题，并在此基础上提出了能够自纠正的跟踪框架。

技术领域

本发明涉及一种自适应自纠正的目标跟踪方法，属于鲁棒的目标跟踪的技术领域。

背景技术

目标跟踪是指在视频图像序列中对指定目标的运动轨迹进行估计，2012年，ZdenekK等提出了一种将跟踪、检测、学习相结合的目标跟踪算法[1]，在跟踪过程中，对目标观测的数据都会被用于训练一个分类器，同时该算法使用基于光流的跟踪器来不断地矫正分类器的检测检测结果，在检测的同时TLD(TLD：Training-Learning Detection，训练-学习检测)使用了基于结构性约束条件的样本甄别策略，以保证在跟踪过程中分类器的训练阶段的样本足够接近真实情形。虽然TLD作为一种单目标跟踪算法一定程度上可以解决长期跟踪过程中目标难以跟踪的问题，但算法的实时性较差，并且在跟踪的初始阶段非常依赖对目标的先验知识。

长期跟踪的关键在于算法能够抵御实际环境中可能出现的各种干扰因素，难点就是能够解决目标消失再出现，由于在目标消失期间目标所发生的变化是无法从视频图像序列中获取的，也无法通过运动估计算法(如光流法)来估计目标的运动情况，同时，在跟踪的过程中还存在目标漂移问题，因此，基于上述情况，针对不同类别的干扰因素分别提出了静态外观模型和自适应外观模型，然后结合辅助跟踪算法形成一个能够自我纠正的跟踪算法框架，在各种干扰因素下，实现高效、实时的跟踪。

发明内容

本发明要解决的技术问题是提供一种自适应自纠正的目标跟踪方法，解决在长期跟踪过程中由于环境和目标变化导致的跟踪丢失问题，并在此基础上提出了能够自纠正的跟踪框架，可以克服现有技术的不足。

本发明的技术方案是：一种自适应自纠正的目标跟踪方法，其特征在于：该方法是将目标跟踪中的干扰因素分为环境因素和目标本身因素，根据分类的干扰因素分别提出静态外观模型和自适应外观模型，再对静态外观模型和自适应外观模型进行去噪然后将其融合，最后通过自纠正的跟踪框架以提高跟踪的准确性，它包括静态模块、自适应模块、去噪模块及目标跟踪算法模块；

静态模块始终能够保留目标的初始信息，它是一个由初始帧目标的静态外观模型与当前帧目标的静态外观模型中所有匹配关系组成的集合；

自适应模块为适应目标本身的变化对每帧中都进行更新，当前帧的自适应外观模型是由上一帧目标区域中所有关键点附近的区域块组成；

去噪模块使用层次聚类方法去除种类不确定的静态外观模型和自适应外观模型的噪声，同时经过层次聚类来获取跟踪目标的中心位置、尺度变化和旋转角度三个数据信息；

目标跟踪算法模块包括基于静态模块、自适应模块及去噪模块数据信息的主体跟踪算法和基于感知哈希的辅助跟踪算法，主体跟踪算法为辅助跟踪算法提供合适的更新样本，辅助跟踪算法在静态外观模型和自适应外观模型形成的区域内进行全局搜索快速铺抓目标，同时辅助跟踪算法设有静态外观模型提供候选搜索的区域。

静态外观模型和自适应外观模型的特征描述方式为局部不变特征SURF，综合时间复杂度和实际效果，将欧式距离作为SURF特征点的距离计算方法。