(12.4定稿)一种融合卡尔曼滤波与TLD算法的目标跟踪方法解读.docVIP

说 明 书 摘 要 本发明公开了一种融合卡尔曼滤波与TLD算法的目标跟踪方法，该方法包括以下步骤：首先分析卡尔曼滤波器的原理，并对其加以改进；然后，利用改进的卡尔曼滤波器增强TLD算法，提高系统的可靠性；最后，利用改进的卡尔曼滤波器所得到的预测结果，对检测模块进行改进，缩小TLD算法的检测区域，进一步提高跟踪的实时性。 摘 要 附 图 权 利 要 求 书 1. 一种融合卡尔曼滤波与TLD算法的目标跟踪方法，其特征在于，所述方法包括如下步骤： 步骤1：分析和利用卡尔曼滤波器的原理，并对其加以改进； 卡尔曼滤波器用于建模的系统是线性系统；预测和测量的噪声都是白噪声，噪声服从高斯分布； 步骤2：利用改进的卡尔曼滤波器增强TLD算法； 通过改进的滤波来增强TLD算法，根据目标位置的时间步长，更新参数传递矩阵初始化系统将初始边框的中心位置赋予ptcurrent和ptpredict，同时滤波器系统的初始和初始预测利用这两个值初始滤波器通过滤波器后续帧进行预测，将该时刻预测的系统赋给ptpredict将LK光流法跟踪得到的目标边界框的中心位置点赋给ptcurrent更新ptcurrent之前，用ptlast的系统测量用更新系统状态预测量和状态测量对滤波器进行纠正预测目标边框中心位置点，采用原来有的目标边框的宽高比来还原出边框滤波器预测每一帧目标边框的可信度即计算目标边框与最分类器中目标模板的相似度若该值大于0.85，则目标边框取代LK光流法的边框，将该边框结果传递给后续的学习模块和检测模块相反，则LK光流法所的目标边框若可信度小于0.6或满足一定帧数后，则用边框通过改进的滤波来增强TLD算法，根据目标位置的时间步长，更新参数传递矩阵。主要如下：初始化系统将初始边框的中心位置赋予ptcurrent和ptpredict，同时滤波器系统的初始和初始预测利用这两个值初始滤波器通过滤波器后续帧进行预测，将该时刻预测的系统赋给ptpredict将LK光流法跟踪得到的目标边界框的中心位置点赋给ptcurrent更新ptcurrent之前，用ptlast的系统测量。用更新系统状态预测量和状态测量对滤波器进行纠正预测目标边框中心位置点，采用原来有的目标边框的宽高比来还原出边框滤波器预测每一帧目标边框的可信度即计算目标边框与最分类器中目标模板的相似度若该值大于0.85，则目标边框取代LK光流法的边框，将该边框结果传递给后续的学习模块和检测模块相反，则LK光流法所的目标边框若可信度小于0.6或满足一定帧数后，则用边框 图1 图2 图3 图4