一种基于圆投影匹配算法的TLD目标跟踪方法技术

本发明专利技术涉及一种基于圆投影匹配算法的TLD目标跟踪方法，包括：跟踪模块、检测模块、学习模块，该方法包括如下步骤：从第一帧图像中初始化选取目标区域，获取目标区域信息；所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；所述检测模块对所述当前帧图像进行全局遍历得到待选目标；所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；将所述目标跟踪区域输入至所述学习模块进行学习。本发明专利技术能够大幅度提高TLD目标跟踪算法的抗旋转性，且该方法计算量相对较小，算法简单，进一步提高了TLD算法的实时性。

A TLD target tracking method based on circle projection matching algorithm

The invention relates to a method for tracking, circular projection matching algorithm based on TLD target include: tracking module, detection module, learning module, the method comprises the following steps: selecting target area is initialized from the first frame image, obtain the target area information; the tracking module based on a frame of the object in the image region information tracking prediction the target; the detection module of the current frame image to get global traversal targets; the detection module uses the circle projection matching algorithm of the targets were screened form target detection results; according to the tracking results of the target and the target detection results to determine the target tracking area; target tracking area of the input to the learning module to learn. The method can greatly improve the rotation resistance of the TLD target tracking algorithm, and the calculation amount of the method is relatively small, and the algorithm is simple, and the real-time performance of the TLD algorithm is further improved.

【技术实现步骤摘要】
一种基于圆投影匹配算法的TLD目标跟踪方法
本专利技术属于目标跟踪
，具体涉及一种基于圆投影匹配算法的TLD目标跟踪方法。
技术介绍
目标跟踪在军事和民用领域中都有广泛的应用。而随着现代航空航天技术的飞速发展，各种航行速度和机动性能越来越高，对目标跟踪也提出越来越高的要求。目标跟踪是把自动控制、图像处理、信息科学有机结合起来，形成了一种能从图像信号中实时地自动识别目标、提取和预测目标位置信息，自动跟踪目标运动技术。作为一种基于在线学习检测的单目标跟踪算法，TLD(Tracking-Learning-Detection，简称TLD)跟踪算法由于其良好的跟踪性能，受到了广泛的关注。该算法主要由跟踪模块、检测模块、学习模块三个部分组成。跟踪模块采用中值光流法预测出目标在当前帧中的位置；检测模块使用了三层级联分类器，方差分类器、随机蕨分类器、最近邻分类器，检测出目标在当前帧中的位置；学习模块利用P-N在线学习的方法，不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。TLD算法较好的解决了被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。例如专利申请号为201610530203.0的一种基于TLD算法的目标跟踪方法。TLD算法在对单目标进行长时间跟踪时展现出了良好的跟踪性能，但是当被跟踪目标出现较大角度旋转时，TLD算法很容易造成跟踪目标丢失。这是因为传统的最近邻分类器采用归一化互相关匹配法(NormalizedCrossCorrelation，NCC)进行图像匹配，这在目标的旋转角度极其小(不大于5度)时，跟踪效果不错。但是当目标发生大角度旋转时，很容易造成目标丢失。并且传统的TLD跟踪算法检测模块的三层分类器计算复杂，实时性差，其中随机蕨分类器耗时尤为严重，影响工程实践的效果。因此，提高TLD目标跟踪算法的抗旋转性仍然是一个极富挑战性的课题。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于圆投影匹配算法的TLD目标跟踪方法，包括：跟踪模块、检测模块、学习模块，包括：(a)从第一帧图像中初始化选取目标区域，获取目标区域信息；(b)所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；(c)所述检测模块对所述当前帧图像进行全局遍历得到待选目标；(d)所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；(e)根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；(f)将所述目标跟踪区域输入至所述学习模块进行学习。在本专利技术的一个实施例中，所述步骤(a)包括：在视频或者图片序列的起始帧，手动确定一个包含目标的矩形并得到所述矩形的初始坐标和宽高信息作为初始化的目标区域。在本专利技术的一个实施例中，所述步骤(b)采用中值光流法。在本专利技术的一个实施例中，所述步骤(d)包括：(d1)所述方差分类器对至少一个所述待选目标进行处理得到待匹配目标；(d2)所述最近邻分类器采用圆投影匹配算法对所述待匹配目标进行筛选得到目标检测结果。在本专利技术的一个实施例中，所述步骤(d1)包括：所述方差分类器计算所述待选目标的方差，若所述待选目标的方差大于方差阈值，则保留所述待选目标，否则放弃所述待选目标，输出所有保留的所述待选目标为待匹配目标。在本专利技术的一个实施例中，所述步骤(d2)包括：(d21)获得所述待匹配目标和所述最近邻分类器中样本图的圆形模板半径查找表；(d22)计算所述待匹配目标和所述样本图的圆投影向量相似度；(d23)若所述相似度大于阈值则保留所述待匹配目标，否则放弃所述待匹配目标；(d24)输出所有保留的所述待匹配目标为目标检测结果。在本专利技术的一个实施例中，所述步骤(d22)包括：(d221)将所述圆形模板上像素的灰度值求和后再取均值；(d222)将所述均值与权重因子作用获得一维的具有旋转不变性的所述圆投影向量。在本专利技术的一个实施例中，计算所述待匹配目标和所述样本图的圆投影向量相似度S(x,y)采用如下公式：其中，所述Cg(r)表示所述样本图的圆投影向量，Cf(r)表示所述待匹配目标的圆投影向量，，表示所述样本图圆投影向量的平均值，表示所述待选目标圆投影向量的平均值，R表示所述圆形模板的最大半径。在本专利技术的一个实施例中，所述圆投影向量相似度的值域为[-1,1]。在本专利技术的一个实施例中，对所述当前帧图像进行全局遍历采用滑窗方式。本专利技术实施例一种基于圆投影匹配算法的TLD目标跟踪方法，当被跟踪目标有较大角度旋转时，使得含有旋转目标的待选扫描框也能通过最近邻分类器，进而大幅度提高TLD目标跟踪算法的抗旋转性。且该方法计算量相对较小，算法简单，进一步提高了TLD算法的实时性。附图说明图1为本专利技术实施例提供的一种基于圆投影匹配算法的TLD目标跟踪方法的流程示意图；图2为本专利技术实施例提供的一种圆投影匹配算法的工作原理示意图；图3为本专利技术实施例提供的一种圆投影匹配算法的圆形模板半径查找表示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一请参见图1，图1为本专利技术实施例提供的一种基于圆投影匹配算法的TLD目标跟踪方法的流程示意图；其中，所述目标跟踪方法包括：跟踪模块、检测模块、学习模块，该方法包括：(a)从第一帧图像中初始化选取目标区域，获取目标区域信息；(b)所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；(c)所述检测模块对所述当前帧图像进行全局遍历得到待选目标；(d)所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；(e)根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；(f)将所述目标跟踪区域输入至所述学习模块进行学习。进一步地，从第一帧图像中初始化选取目标区域，所述步骤(a)包括:在视频或者图片序列的起始帧，手动确定一个包含目标的矩形并得到所述矩形的初始坐标和宽高信息作为初始化的目标区域。优选地，所述步骤(b)采用中值光流法。进一步地，所述步骤(d)包括：(d1)所述方差分类器对至少一个所述待选目标进行处理得到待匹配目标；(d2)所述最近邻分类器采用圆投影匹配算法对所述待匹配目标进行筛选得到目标检测结果。进一步地，所述步骤(d1)包括：所述方差分类器计算所述待选目标的方差，若所述待选目标的方差大于方差阈值，则保留所述待选目标，否则放弃所述待选目标，输出所有保留的所述待选目标为待匹配目标。进一步地，所述步骤(d2)包括：(d21)获得所述待匹配目标和所述最近邻分类器中样本图的圆形模板半径查找表；(d22)计算所述待匹配目标和所述样本图的圆投影向量相似度；(d23)若所述相似度大于阈值则保留所述待匹配目标，否则放弃所述待匹配目标；(d24)输出所有保留的所述待匹配目标为目标检测结果。进一步地，所述步骤(d22)包括：(d221)将所述圆形模板上像素的灰度值求和后再取均值；(d222)将所述均值与权重因子作用获得一维的具有旋转不变性的所述圆投影向量。其中，计算所述圆投影向量相似度S(x,y)采用如下公式：其中，所述Cg(r)表示所述样本图的圆投影向量，Cf(r)表示所述待匹配目标的圆投影向量，，表示所述样本图圆投影向量的平均值，表示所述待选目标圆本文档来自技高网...

【技术保护点】
一种基于圆投影匹配算法的TLD目标跟踪方法，包括：跟踪模块、检测模块、学习模块，其特征在于，包括：(a)从第一帧图像中初始化选取目标区域，获取目标区域信息；(b)所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；(c)所述检测模块对所述当前帧图像进行全局遍历得到待选目标；(d)所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；(e)根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；(f)将所述目标跟踪区域输入至所述学习模块进行学习。

【技术特征摘要】
1.一种基于圆投影匹配算法的TLD目标跟踪方法，包括：跟踪模块、检测模块、学习模块，其特征在于，包括：(a)从第一帧图像中初始化选取目标区域，获取目标区域信息；(b)所述跟踪模块依据上一帧图像中目标区域信息预测确定目标跟踪结果；(c)所述检测模块对所述当前帧图像进行全局遍历得到待选目标；(d)所述检测模块采用圆投影匹配算法对所述待选目标进行筛选形成目标检测结果；(e)根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；(f)将所述目标跟踪区域输入至所述学习模块进行学习。2.根据权利要求1所述的方法，其特征在于，所述步骤(a)包括：在视频或者图片序列的起始帧，确定一个包含目标的矩形并得到所述矩形的初始坐标和宽高信息作为初始化的目标区域。3.根据权利要求1所述的方法，其特征在于，所述步骤(b)采用中值光流法。4.根据权利要求1所述的方法，其特征在于，所述步骤(d)包括：(d1)所述检测模块的方差分类器对至少一个所述待选目标进行筛选得到待匹配目标；(d2)所述检测模块的最近邻分类器采用圆投影匹配算法对所述待匹配目标进行筛选得到目标检测结果。5.根据权利要求4所述的方法，其特征在于，所述步骤(d1)包括：所述方差分类器计算所述待选目标的方差，若所述待选目标的方差大于方差阈值，则保留所述待选目标，否则放弃所述待选目标，输出保留的所述待选目标做为待匹配目标。6.根据权利要求4所述的方法，其特征在于，所述步骤(d2)包括：(d21)获得所述待匹配目标和所述最近邻分类器中样本图的圆形模...

【专利技术属性】
技术研发人员：刘杰涛，袁胜春，张策，俱青，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61