基于改进Online Boosting和卡尔曼滤波器改进的TLD跟踪方法

摘要

本发明提出了一种基于改进Online Boosting和卡尔曼滤波器改进的TLD跟踪方法，属于机器视觉、人工智能、人机交互、目标跟踪技术领域。该方法包括如下步骤：(1)初始化：利用选定目标并仿射变换形成的初始样本集初始化改进Online Boosting分类器和P‑N学习器；(2)图像跟踪：选取特征点，用两次L‑K光流法对其进行跟踪，两次跟踪误差与阈值比较，得出跟踪结果；(3)图像检测：经卡尔曼滤波器、方差分类器、Online Boosting分类器、KNN分类器后得出检测器结果；(4)综合跟踪与检测结果：评估跟踪器与检测器结果的置信度，得出最终采用哪一模块结果；(5)在线学习：P‑N学习器用来修正跟踪器、检测器结果，并丰富样本集。本发明可有效克服遮挡问题并提高原方法的速度，同时有效提高检测器精度和鲁棒性。