[发明专利]基于TLD改进算法的视频车辆目标跟踪算法

说明书

基于TLD改进算法的视频车辆目标跟踪算法,首先输入视频，标定跟踪目标；其次使用LK光流跟踪器对目标进行跟踪，通过将视频帧均匀画网格，选取每个网格的左上角顶点为特征点，然后使用前向后向轨迹光流法来跟踪预测这些特征点在下一帧中的位置；并且对TLD跟踪器模块进行改进优化，引入Kalman滤波和粒子滤波，同时运用随机蕨分类器进行扫描，生成一个二进制的编码x。编码x指向决策树某个叶子节点的后验概率P_i(y\x)，其中y∈(0,1)。然后求得所有相互独立的决策树输出的后验概率的平均值；接着通过P‑N学习更新分类器；最后通过综合评估，显示准确度最高的跟踪目标。

技术领域

本发明主要基于对视频中单个物体长时间跟踪算法的研究，并将其应用于车辆检测与目标跟踪领域,并从实际应用的角度出发，提出一种基于机器学习的跟踪算法,属于目标跟踪检测相关领域。

背景技术

视觉是人类认知世界的重要途径之一，人类所获得的外部世界信息中大约来自于人类视觉系统，人类视觉系统承担了人类生活中的大量信息处理工作，它能够快速准确的完成图形成像、描述、识别与理解等任务。计算机视觉就是在了解人类视觉本质的基础上，用各种成像系统代替人类视觉器官，用计算机代替人脑完成对输入图像的处理和解释。计算机视觉的最终研究目标就是使计算机能够像人类那样通过视觉观察、理解世界，并最终具有自主适应环境的能力。

计算机视觉作为人工智能领域的热门学科之一，它是一门综合性的学科，吸引了来自各个学科的研究者加入到对它的研究之中，它融合了信号处理、计算机科学和工程物理学、应用数学与统计学、神经生理学等学科领域的研究方法与成果。

同样的，视频目标跟踪也是一项融合了多学科的复杂课题。其中包括图像处理、模式识别和随机过程以及概率论和偏微分方程等。根据目标跟踪系统中实现跟踪的具体过程，从一种全新的角度总结出了一般的目标跟踪方法体系结构。其方法结构分为以下三个部分(1)跟踪目标的特征选取和表示；(2)跟踪目标的跟踪常用的算法框架；(3)跟踪目标预测算法。目前所了解目标跟踪的具体过程分为如下几步，第一步需要在视视频序列中检测出存在有效目标的区域或者有效的目标；第二步对检测出来的有效目标进行科学的分割；提取有效目标的特征特性，并形成有效目标匹配信息模型；根据预测模型预测出在下一时刻目标可能出现的位置信息，从而锁定有效搜索范围；第三步为在预测的搜索范围内用前一时刻的目标信息模板进行有效目标匹配，从而找到最佳的匹配位置。如果在事先预测的范围内没有找到有效目标，就需要进行特定科学处理。方法是首先利用匹配到的疑似目标修正有效目标跟踪的信息模板。并重复上述三步过程。

视频目标跟踪技术作为计算机视觉领域的热门研究课题之一，受到了国内外学者和研究机构的广泛关注。所谓的视频目标跟踪技术是指由计算机模仿人类视觉系统，通过对摄像头所得图像序列的分析，计算出用户感兴趣目标的位置参数，如目标的二维坐标位置、目标所占的图像区域、目标的大小等等，并根据目标的不同特征，对图像序列中的同一运动目标进行关联，得到该运动目标的完整运动轨迹。经过多年的发展，视频目标跟踪技术已广泛应用于生活及军事中的多个方面。

在这里研究的车辆检测与跟踪,便是其中重要的应用。随着经济的发展，车辆逐渐增多，迅速发展的数字存储、计算能力和视频压缩标准导致视频内容的强劲增长，产生了海量的道路视频数据，人工监测是一项枯燥而且费时的工作。基于视觉的视频检测技术过程很少有人为因素(注意力不集中、反应能力慢等)的不良影响，而且可以一天24小时的不间断工作，节约大量人力、物力、财力等的同时对视频图像帧中出现的异常情况不会发生误报与漏报。这使得基于视频的自动监测技术具有重要的价值、意义重大。

发明内容

本发明的目的旨在提高长时间视频目标跟踪的准确性，并提高跟踪算法的抗遮挡能力。

为达到上述目的，本发明提出一种基于TLD改进算法的视频车辆目标跟踪算法，包括以下步骤：

步骤1，输入视频，标定跟踪目标；