到匹配區(qū)域相應的紋理特征及顏色特征。對距當前Κ幀的匹配區(qū)域進行平均得到這 Κ幀圖像平均后的匹配區(qū)域，對各匹配區(qū)域紋理特征及顏色特征進行平均，得到這Κ幀圖像 的匹配區(qū)域紋理特征均值以及顏色特征均值，對應地作為后續(xù)步驟的紋理特征模板及顏色 特征模板。
[0063] 紋理特征及顏色特征均可以使用現(xiàn)有的特征，例如紋理特征可以為Sobel算子， 顏色特征可以為當前實施例中的灰度值，每次自適應變倍完成后，對每一幀跟蹤目標圖像 做灰度直方圖統(tǒng)計，由于各幀圖像之間灰度值差異會較大，不能直接將灰度值之間進行匹 配，因此需要對其做歸一化計算，如下式所示： /2
[0064] p(.x) = -,,ve; η
[0065] ^表示灰度χ出現(xiàn)的次數(shù)，L是圖像中的所有灰度級，η是跟蹤目標圖像中的像素 個數(shù)，這樣圖像中灰度為X的像素出現(xiàn)的概率P(x)取值為〇~1。對歸一化的灰度直方圖 進行維護，取距當前幀圖像K幀內得到的一共K個跟蹤目標圖像的歸一化灰度直方圖均值 作為后續(xù)匹配所示用的顏色特征模板。
[0066] ②記錄距當前幀K幀內跟蹤目標的平面運動方向、運動軌跡、空間運動速度和位 置。
[0067] 當前實施例采用金字塔LK跟蹤算法進行目標跟蹤，且記錄LK跟蹤算法中光流方 向作為當前幀目標的平面運動方向，并利用空間坐標系記錄在水平和豎直方向上的空間運 動速度?？臻g運動速度計算公式如下：
[0068]
[0069] 公式中，lng'和lng分別為跟蹤目標當前幀經(jīng)度坐標和前幀經(jīng)度坐標，lat'和lat 分別為跟蹤目標當前幀煒度坐標和前幀煒度坐標，即公式（1)中的翁1和AT為兩幀之 間的時間間隔，vp代表水平方向的運動速度，以順時針方向為正，同理，vTR表豎直方向的 運動速度，以向上方向為正。
[0070] 運用跟蹤算法進行包括空間運動速度跟蹤目標的運動信息記錄為現(xiàn)有技術，可以 采用其他方式進行記錄，但現(xiàn)有技術并未將該運動信息用于跟蹤目標的找回，本發(fā)明采用 記錄的運動信息的記錄可以提高跟蹤目標的找回速度和準確度。
[0071] ③記錄距當前幀K幀內目標的平面運動速度的平均值。
[0072] B，跟蹤丟失判斷單元在跟蹤過程中判斷是否跟蹤丟失：如果是，則進入步驟C ;否 則繼續(xù)跟蹤。
[0073] 本發(fā)明當前實施例通過時間和空間上的雙重規(guī)則來判斷跟蹤丟失：
[0074] 時間上，每間隔一定時間周期ΔΙ\，查詢當前跟蹤目標在空間上的速度和當前位 置，判斷隨幀記錄的維護信息，若連續(xù)η個△ 1\跟蹤裝置都未進行轉動，則初步判定跟蹤目 標已丟失，此時通過空間上的NCC算法進行進一步的跟蹤丟失判定。
[0075] 在空間上使用基于紋理特征的模板進行NCC算法精確匹配，以最終判斷跟蹤目標 是否丟失：
[0076] 步驟b-Ι，對當前幀的匹配區(qū)域進行差分算子處理，獲取跟蹤目標的紋理圖。
[0077] 步驟b_2,使用NCC算法進行紋理特征的精確匹配。
[0078] 普通NCC計算公式如下所示：
[0079]
[0080] 本發(fā)明可以采用普通NCC計算進行，在普通NCC計算中，IR(x+i,y+j)為當前幀紋 理圖匹配區(qū)域中的點（x+i,y+j)處的值，Ijx+ty+j)為前K幀紋理圖匹配區(qū)域中的同一點 (x+i,y+j)處的值，其中i和j的取值范圍分另U為（-η~η)和（-m~m)，NCC(x,y)SP為兩 塊區(qū)域的匹配值。其中當前幀是指在初步判定跟蹤丟失的情況下，第一次檢測到跟蹤裝置 停止轉動時刻的圖像幀（例如當前時刻為若干個連續(xù)η個△?\周期檢測到跟蹤裝置停止 轉動的時刻，則當前幀為當前時刻往回倒退η個△ 1\的圖像幀）；前Κ幀圖像是距當前幀Κ 幀的各圖像幀。
[0081] 增強型NCC計算公式如下所示：
[0082] 1·' 'r.j.
·- ··.·
[0083] 針對普通NCC算法計算量大的特點，本發(fā)明當前實施例使用增強型的NCC算法，先 對紋理圖做3階高斯平滑，然后計算紋理圖均值，通過減去圖像紋理均值的方式，減小計算 數(shù)值，降低計算量。
[0084] 增強型NCC計算公式中分別為當前幀匹配區(qū)域的紋理特征平均值，廠為前K幀 圖像所得到的平均匹配區(qū)域的紋理特征的平均值（即對前K幀圖像匹配區(qū)域平均計算所得 匹配區(qū)域中的各像素點紋理特進行平均之后所得到的值），與普通的NCC算法計算方法類 似，只是為了減少計算量，IR(x+i,y+j)和It(x+i，y+j)分別減去了^?和/, *NCCT(x,y)即為 增強型NCC計算出的兩塊區(qū)域的匹配值。
[0085] 步驟b-3,通過增強型NCC計算獲得前K幀匹配區(qū)域的紋理圖和當前幀匹配區(qū)域紋 理圖的匹配值，若大于設定的閾值β，則認為目標仍存在，繼續(xù)進行跟蹤，否則判定跟蹤目 標已丟失。為了適應變倍后發(fā)生變化的紋理特征，閾值β在每次模板更新時均通過大津法 進行自適應的更新計算，紋理特征越豐富，閾值β取值越大。
[0086] C，停止跟蹤裝置的運動命令，利用運動前景檢測算法檢測出當前畫面中的前景目 標。
[0087] D，位置預估單元在判斷跟蹤丟失時根據(jù)跟蹤目標所處的丟失位置得到跟蹤目標 的預估位置，根據(jù)預估位置以及丟失位置建立搜索區(qū)域，候選目標獲取單元獲取處于搜索 區(qū)域內的所有前景目標作為候選目標，由跟蹤目標選取單元根據(jù)候選目標的匹配值以及候 選目標到預估位置的距離為各候選目標賦予權重值，選取權重值最大的候選目標作為原有 的跟蹤目標繼續(xù)跟蹤。
[0088] 根據(jù)跟蹤目標的運動軌跡以及特征將步驟C檢測出的前景目標與跟蹤目標進行 匹配，在匹配成功的情況下進行二次跟蹤，如果在一段預定時長1~ 2內，都沒有檢出符合條件 的前景目標，則回預置位進行下一次跟蹤。預定時長Τ2為經(jīng)驗取值，如果該預定時長均沒 有檢出符合條件的前景目標則說明目標已丟失，無法繼續(xù)跟蹤，從而進行下一個目標的檢 測及跟蹤。
[0089] 步驟D針對檢出的前景目標，結合跟蹤目標的運動軌跡，進行過濾并根據(jù)前景目 標所處位置賦予權重值，然后結合基于NCC算法的顏色特征匹配，選取綜合匹配可信度最 高的目標，進行二次跟蹤。
[0090] 步驟d-1，根據(jù)跟蹤目標在距當前幀Κ幀內的運動方向和運動速度的平均值，可以 獲取跟蹤目標當前的運動趨勢。
[0091] 步驟d-2,構建圖2中所示的搜索區(qū)域，獲取處于搜索區(qū)域內的所有前景目標作為 候選目標。
[0092] 由于跟蹤目標的運動軌跡通常不會發(fā)生非常急劇的變化，但考慮在此過程中跟蹤 目標仍然會發(fā)生速度和方向上的變化，因此得到跟蹤目標所在位置的大致范圍，從而排除 一些不太可能是原先的跟蹤目標的前景目標，提高重新獲取跟蹤目標的速度。
[0093] 這里考慮到目標運動速度和方向可能會有所變化，所以構建搜索半徑為sR，圓心 角為Θ的扇形區(qū)域作為當前檢出前景目標的匹配區(qū)域，當前實施例中s為1.5,Θ例如可 以為180°，圖2中以跟蹤丟失時跟蹤目標所處的丟失位置0為頂點（丟失位置0為第一次 檢測到跟蹤裝置停止運動時跟蹤目標所處的位置），1.5R為半徑，圓心角為Θ的扇形，其中 θ/V為跟蹤目標當前的運動方向，圖2中N為沿0M方向距離為1. 5R位置的點Θ取值范圍 根據(jù)實際情設定，R=VtXTpVtS結合其平面水平和豎直方向的運動速度計算出的跟蹤目 標在當前運動方向上的速度vt，?\為步驟中跟蹤裝置停止轉動的時間，所得到的Μ點位置即 預估位置，根據(jù)歷史信息計算得到，歷史信息包括丟失位置以及距離初次檢測到跟蹤裝置 停止運動時圖像之前的Κ幀圖像計算得到的空間運動速度及方向。
[0094] 如圖2所示，通過設定扇形區(qū)域，將跟蹤目標在運動過程中運動方向可能發(fā)生的 變化加以考慮，將預估位置的半徑乘以系數(shù)則考慮到運動速度變化所帶來的實際位置可能 比預估位置要遠或近。這一搜索區(qū)域的設定，可以大大減少需要匹配的前景目標數(shù)目，從而 提尚效率。
[0095] 在遍歷檢出的前景目標后，將中心點不在扇形區(qū)域內的目標剔除，將剩余的處于 扇形區(qū)域內的前景目標作為候選目標，分別計算各候選目標到Μ點的距離。為候選目標η分 配權重Wln，距離最近的目標權重最大為1，其他目標的權重以1為基準跟它們到預估位置Μ 的距離成反比，比如距Μ點的距離最近的候選目標距離為Si，為其分配距離權重值1，則 距Μ點距離為S2的候選目標0 2的權重值為Si/心
[0096] 步驟d-3,對于篩選通過的前景目標，候選目標匹配單元將其作為候選目標利用 NCC進行精確的顏色匹配，當前實施例中基于灰度進行NCC匹配，在其