[发明专利]一种基于卡尔曼滤波的TLD图像跟踪算法

说明书

本发明属于图像处理技术领域，具体涉及一种基于卡尔曼滤波的TLD图像跟踪算法。本发明在经典TLD算法的基础上加入跟踪失败判断机制，并引入卡尔曼滤波器来提高传统TLD框架中的中值流跟踪器的性能，重新设计了跟踪模块的工作机制。且对原始的TLD算法中的综合模块的工作机制进行了改进，在综合模块加入重叠度阈值比较机制和归一化互相关系数检测机制，增强综合模块的容错能力，提高算法的跟踪精度。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于卡尔曼滤波的TLD图像跟踪算法。

背景技术

目标跟踪技术在智能交通、工业控制、军事安防等领域有着广泛的应用。实际的应用中，目标跟踪仍然面临着许多的挑战，比如形状变化、快速运动、尺度变化、背景遮挡或光照强度的变化等。因此国内外研究学者相继提出了各种各样的目标跟踪算法。目前取得良好的跟踪效果的算法有2011年SamHara等人提出的Struck算法，2012年Zhang等人提出的压缩感知跟踪算法(Compressive Tracking，CT)，2015年JF Henriques等人提出的相关核滤波算法(Kernelized Correlation Fileter，KCF)等。对于实际中的目标长时间跟踪，传统的跟踪算法依然无法有效地解决目标全遮挡或目标消失后再出现在视角中重新跟踪的难题。

2010年Kalal等人提出了TLD算法，该算法将跟踪器与检测器相结合，并引入半监督机器学习算法，实现了对单目标的长期跟踪，TLD算法解决了传统目标跟踪算法长时间跟踪的一个难题，即当目标被遮挡后重新出现在视野时系统能够重新检测目标到并持续地跟踪目标，受到了广大学者的关注。但对于复杂的运动背景下，当运动目标在某一时段内发生严重遮挡、形状变化或者目标所处环境发生剧烈的光照变化时，经典TLD算法的中值流跟踪器(基于一种改进的光流法)将会失去作用，导致在这一时段内跟踪目标失败。比如在军事领域中，当坦克在某一时段内被障碍物遮挡时，在这一时段内经典的TLD算法无法实现对坦克的精准轰炸。

发明内容

本发明所需要解决的技术问题是，克服复杂的运动背景下，当运动目标在某一时段内发生严重遮挡、形状变化或者目标所处环境发生剧烈的光照变化时，经典TLD算法的中值流跟踪器跟踪失效的难题。

为了解决上述问题，本发明提供了一种基于卡尔曼滤波的TLD图像跟踪算法，在算法跟踪模块中加入跟踪失败判断机制，并融合了卡尔曼滤波器，重新设计了跟踪器的工作机制，提高了跟踪器的跟踪准确性和鲁棒性；对综合模块的工作机制进行了改进，在综合模块加入重叠度阈值比较机制和归一化互相关系数检测机制，增强综合模块的容错能力，提高了算法的跟踪精度。

本发明采用如下技术方案：

一种基于卡尔曼滤波的TLD图像跟踪算法，包括检测模块、跟踪模块、学习模块和综合模块，它包括：

S1、获取视频中的第一帧图像，选择待跟踪目标，初始化目标框；

S2、所述检测模块的检测器检测跟踪目标，检测结果传输给综合模块，所述跟踪模块的跟踪器跟踪目标；

S3、所述跟踪模块读取视频图像，逐帧进行处理，判断是否跟踪成功，如果跟踪成功，将跟踪结果传输给综合模块后转到步骤S5，否则转到步骤S4；

S4、利用跟踪失败前一帧输出的目标框的位置和大小初始化卡尔曼滤波器，通过卡尔曼滤波器预测出跟踪目标在下一帧的位置，将预测目标位置传输给综合模块，转到步骤S5；

S5、综合模块将检测模块的检测结果和跟踪模块的跟踪结果进行处理，输出目标位置，综合模块的处理结果、跟踪模块和检测模块的输出结果输入到学习模块，通过学习模块更新检测器和跟踪器。

本技术方案进一步的优化，所述步骤S1中设定初始帧跟踪目标的位置和大小。

本技术方案进一步的优化，所述跟踪器采用光流法。本技术方案进一步的优化，