[01622005]一种基于卡尔曼滤波的TLD图像跟踪算法

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。 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,所述跟踪器采用光流法,所述学习模块采用P-N Learning算法,所述步骤S5综合模块首先分别计算跟踪模块的输出结果与样本之间的重叠度TO,检测模块的输出结果与样本之间的重叠度DO,TO不小于DO,以跟踪结果作为综合模块的输出结果,否则以检测结果作为综合模块的输出结果。本技术方案更进一步的优化,所述当TO小于DO时,计算跟踪模块的输出结果与样本之间的归一化互相关系数NCC1,检测模块的输出结果与样本之间的归一化互相关系数 NCC2,若TO小于0.6,且NCC1大于NCC2,则以检测结果作为综合模块的输出结果,否则以跟踪结果作为综合模块的输出结果。 本发明的基于卡尔曼滤波的TLD图像跟踪算法,通过融合经典的卡尔曼预测方法,重新设计了跟踪器的工作机制,使算法能够有效的适应跟踪过程中存在的目标遮挡、外界光照条件变化以及目标形变等情况,提高了算法的跟踪准确性和鲁棒性。