多目标舰船自动跟踪方法研究

目前针对背景复杂的海上舰船作为跟踪对象的跟踪算法研究较少。另外,多目标跟踪算法在变化频繁的背景条件下的精确性和实时性不足。为了提高多目标舰船跟踪的视觉跟踪算法的实时性和鲁棒性,本文提出了一种改进的基于TLD(Tracking-Learning-Detection)多目标舰船自动跟踪算法。该算法实现了海上多个目标舰船准确实时跟踪。首先,算法应用海天线检测与提取方法,利用最大类间方差阈值分割和Hough变换提取海天线;其次,算法利用Kalman滤波原理对海天线上的目标舰船进行定位与检测,分离出目标舰船;最后通过提取出来的目标用其最小外接矩形生成目标初始跟踪框,跟踪器利用初始跟踪框的位置坐标信息对目标进行实时自动跟踪。算法运行过程中都在海天线附近进行扫描检测,缩小了图像遍历范围,提高了算法的实时性。实验表明,通过对比典型的Mean-shift算法以及原始TLD目标跟踪算法,本文算法跟踪结果的精度较高,实时性较好。