[发明专利]一种基于TLD的适用于无人机的变尺度目标跟踪方法

说明书

本发明属于图像处理、计算机视觉领域，具体涉及一种基于TLD的适用于无人机的变尺度目标跟踪方法。采用跟踪‑学习‑检测框架的设计思路，跟踪器采用中值光流跟踪器，检测器采用归一化相关检测器，学习器则采用改进的kNN检测器。基于无人机侦查视频序列的特点和难点，统筹算法的性能和适应性，融合中值光流法以及相关跟踪算法的优点，提出一种基于TLD框架下的适用于无人机的目标跟踪算法，解决了无人机视频处理系统目标跟踪的在目标给定不明确时目标鲁棒跟踪问题、待跟踪目标像素数较少，纹理不明显、目标外形姿态角度及尺度变化明显和跟踪处理的实时性问题。

技术领域

本发明主要属于图像处理、计算机视觉领域，具体涉及一种基于TLD的适用于无人机的变尺度目标跟踪方法。

背景技术

目标跟踪技术在军用无人机作战侦察，精确打击领域均有广泛的应用，也为目标定位，毁伤评估等情报处理功能提供技术支持。准确性强，鲁棒性高的目标跟踪算法，可以有效减轻地面操作人员的负担，提高快速响应作战能力以及系统侦查能力。

目前工程运用中，运用最多的即为相关跟踪算法，该算法易于硬件实现，简单有效，处理速度也很可观，但算法鲁棒性不强，且不能对目标尺度变化及遮挡情况进行判断和捕捉。此外一些其他的较为常用的目标跟踪算法有中值光流法，TLD(Tracking-Learning-Detection)算法，LCT(Long-term Correlation Tracking)算法等。中值光流法是对传统LK光流法的改进，通过正反双向应用光流法提高光流跟踪的精度，但在视频抖动时误差较大。TLD算法通过在线学习的方式，采用PN学习的策略结合中值光流法和在线级联分类器，可实现长时间目标跟踪，但跟踪效率低，320*240分辨率大小的图像在后期的处理速度仅为5fps。LCT算法通过在高速相关跟踪的基础上，通过设立外观模型进行遮挡判断检测，在线SVM分类器进行目标重捕，也可实现对目标的长时间跟踪，目标丢失后的重捕准确率较TLD算法不足，实时性有所提高，每秒可达10fps左右。

以上算法在日常监控领域均取得了很好的跟踪效果，但是在无人机侦查处理系统中，由于航拍时种种条件的限制无法获得较好的推广和应用。

在无人机视频处理系统中目标跟踪技术主要面临以下问题：

1)目标指定方式，无人机侦察时往往操作时只能点选目标的大概位置，无法给定准确的目标矩形框；

2)无人机航拍视频中，目标所占像素数不足，且在整个画面中比例较小，纹理特征不明显；

3)无人机航拍视频中，由于拍摄图像受载荷及飞机姿态的影响，导致目标角度尺度变化明显。

4)在现有硬件处理基础上，如何保证跟踪实时性；

发明内容

基于上述问题，本发明提供一种基于TLD框架下的适用于无人机的目标跟踪方法，基于无人机侦查视频序列的特点和难点，统筹算法的性能和适应性，融合中值光流法以及相关跟踪算法的优点，解决了无人机视频处理系统目标跟踪的诸多问题。

本发明是通过以下技术方案实现的：

一种基于TLD的适用于无人机的目标跟踪方法，所述目标跟踪方法基于TLD算法，所述TLD算法包括跟踪器、检测器及学习器，学习器基于kNN分类器；所述目标跟踪方法包括以下步骤：

(1)初始化跟踪器、检测器及学习器；

(2)跟踪器采用中值光流法依据初始位置预测当前帧目标的位置作为目标跟踪结果，跟踪器同时依据目标跟踪结果判断跟踪成功或跟踪失败；

(3)检测器采用以目标为模板，利用归一化相关算法对搜索区域进行相关运算计算归一化相关系数，得到目标检测结果，检测器同时依据目标检测结果判断检测成功或检测失败；