技術(shù)特征：

1.一種局部特征與詞袋模型相結(jié)合的剛體目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

1)在初始圖像中選定感興趣的目標(biāo)區(qū)域，并在目標(biāo)區(qū)域檢測SURF特征；

2)為SURF特征構(gòu)建分類器，其中每個強分類器對應(yīng)一個SURF特征，每個強分類器包括若干弱分類器；

3)將詞袋模型與局部特征結(jié)合，對每個SURF特征點用視覺單詞來表達，形成2維尺度旋轉(zhuǎn)不變空間；

4)在當(dāng)前圖像到來時，基于SURF特征實現(xiàn)分類器的自適應(yīng)匹配，并使用2維尺度旋轉(zhuǎn)不變空間內(nèi)的視覺單詞進行協(xié)同匹配，形成匹配點對；

5)根據(jù)得到的匹配點對計算得出運動參數(shù)，從而確定當(dāng)前圖像的目標(biāo)區(qū)域，實現(xiàn)目標(biāo)跟蹤。

2.如權(quán)利要求1所述的方法，其特征在于，還包括在線更新步驟：在對目標(biāo)區(qū)域完成定位后，對目標(biāo)模型進行自適應(yīng)更新，以便于后續(xù)幀的處理。

3.如權(quán)利要求1或2所述的方法，其特征在于：步驟1)檢測SURF特征時，利用積分圖像計算Hessian矩陣行列式，再通過選取極值來定位SURF特征點，并通過調(diào)整方格濾波器的尺寸來建立尺度空間；SURF特征的旋轉(zhuǎn)不變性通過求取主方向?qū)崿F(xiàn)。

4.如權(quán)利要求1或2所述的方法，其特征在于，步驟2)中，每個強分類器C對應(yīng)一個SURF特征，特征匹配用分類器在每一個新的SURF檢測點x的匹配分數(shù)C(x)來比較，值越大，表示當(dāng)前檢測點作為對應(yīng)點的可能性越大；C(x)的計算公式為：

$C\left(x\right)=\underset{j=1}{\overset{J}{\Σ}}{\mathrm{\α}}_j\·h_j^{sel}\left(x\right)/\underset{j=1}{\overset{J}{\Σ}}{\mathrm{\α}}_j$

其中，J表示弱分類器的個數(shù)；α_j表示每個弱分類器所占的權(quán)重；表示對樣本點x屬性的判斷，與該SURF特征尺度和旋轉(zhuǎn)不變鄰域內(nèi)的1個Haar特征對應(yīng)；由弱分類器構(gòu)成的強分類器，同時具備尺度和旋轉(zhuǎn)的不變性。

5.如權(quán)利要求1或2所述的方法，其特征在于，步驟3)建立基于SURF特征的2維尺度旋轉(zhuǎn)不變空間的方法是：以每個SURF特征點為中心，在初始圖像中提取圖像塊鄰域，并按照不同層對其實現(xiàn)基于尺度空間的表達，各個層上的圖像塊具有相同尺寸，相同層上的圖像塊具有旋轉(zhuǎn)變化；每個圖像塊對應(yīng)一個視覺單詞，所有視覺單詞組成2維尺度旋轉(zhuǎn)不變空間。

6.如權(quán)利要求1或2所述的方法，其特征在于，步驟4)使用分類器與視覺單詞進行協(xié)同匹配的方法是：假設(shè)目標(biāo)模型中所有SURF特征點集合為B＝{b₁,b₂,...,b_M}，對應(yīng)的分類器集合為{C₁,C₂,...,C_M}，對當(dāng)前幀提取的SURF特征集合為Υ＝{γ₁,γ₂,...,γ_Q}；首先利用分類器C_m找到特征b_m的候選對應(yīng)點ψ_m，其中1≤m≤M，之后按照匹配可靠性將候選對應(yīng)點集進行排序Ψ＝{ψ₁,ψ₂,...,ψ_M}，從中挑選出能夠適應(yīng)當(dāng)前目標(biāo)變化的子集。

7.如權(quán)利要求6所述的方法，其特征在于，步驟4)將匹配分數(shù)C_m(ψ_m)同預(yù)設(shè)門限λ進行比較，認為只有匹配分數(shù)大于門限的點能夠適應(yīng)當(dāng)前變化，并將其作為候選點對；反之，則棄掉ψ_m，再利用詞袋中尺度和旋轉(zhuǎn)不變的視覺單詞補充匹配。

8.如權(quán)利要求7所述的方法，其特征在于，在所述補充匹配中，將目標(biāo)模型中的特征點b_M對應(yīng)的2維尺度和旋轉(zhuǎn)空間的每一個視覺單詞作為模板，并利用圖像相關(guān)技術(shù)在當(dāng)前圖像的搜索區(qū)域內(nèi)找到與模板最相近的圖像塊，同時記錄匹配分數(shù)；對所有視覺單詞進行相同的操作后，比較各個匹配分數(shù)的大小，并從中選出對應(yīng)最大匹配分數(shù)的視覺單詞和當(dāng)前幀的圖像塊；將此圖像塊稱為準(zhǔn)SURF特征，并將圖像塊的中心點作為候選對應(yīng)點ψ_M，尺度和主方向與對應(yīng)的視覺單詞相同。

9.如權(quán)利要求8所述的方法，其特征在于，在進行在線更新時，如果正確的匹配點對是通過基于分類器匹配得到的，則利用匹配點作為正樣本，更新對應(yīng)的分類器和2維尺度旋轉(zhuǎn)不變空間；如果正確的匹配點是通過準(zhǔn)特征點匹配得到的，則只更新準(zhǔn)特征點的尺度旋轉(zhuǎn)不變空間；對于錯誤的匹配點，不做任何更新。