本发明涉及目标跟踪领域，尤其涉及一种基于图像配准的动态目标跟踪方法。
背景技术：
1、对于目标跟踪任务，传统的基于运动方程的目标跟踪方法在无法建立运动模型的任务中将导致目标跟踪失败；而利用神经网络训练模型来进行目标跟踪任务，虽有较好地跟踪精度和有效跟踪率，但其需要大量的训练数据和训练时间，这在一些实时性的任务中可能无法有效地部署。作为应对方案，一些学者提出了基于图像配准概念，即利用输入的目标图像和视频帧图像进行对比匹配，从而实现跟踪效果。以动态飞行目标为例，提前将目标图像输入，利用图像配准方法将其与传输视频的每一帧进行图像配准，对视频帧有效配对的目标进行框定，从而实现对视频中动态目标的有效跟踪。该类方法不需要依靠复杂的运动方程、大量的数据和训练时间。显然，基于图像配准方案有利于节省时间成本和跟踪成本。
技术实现思路
1、为了解决上述问题，本发明提出了一种基于图像配准的动态目标跟踪方法。
2、具体方案如下：
3、一种基于图像配准的动态目标跟踪方法，包括以下步骤：
4、s1：将目标图像和视频帧图像进行特征点提取匹配，并将特征点匹配结果组成数据集；
5、s2：对数据集进行降维处理；
6、s3：基于特征点之间的空间关系，提取所有的特征点三元组后，整合得到每个特征点的三元组集合；
7、s4：基于各特征点的三元组集合，计算各特征点的权重得分；
8、s5：从所有特征点的权重得分中抽取得分最大的m个特征点组成特征点子集；
9、s6：基于得到的特征点子集利用ransac进行模型拟合获取可靠内点，从而实现目标跟踪。
10、进一步的，特征点匹配结果采用四维数据结构，包括特征点在两幅图像中的x坐标和y坐标。
11、进一步的，降维处理采用pca降维处理。
12、进一步的，特征点的权重得分的计算方法为：首先通过分别计算基于该特征点相关联的各三元组的兼容性得分；之后提取所有基于该特征点相关联的三元组的兼容性得分中的最大值作为该特征点的权重得分。
13、进一步的，基于特征点相关联的三元组的兼容性得分的计算公式为：
14、
15、
16、其中，vi表示基于特征点si相关联的三元组的兼容性得分；sj和sk均表示三元组中的特征点；ξ表示归一化约束；i表示特征点的序号；n表示特征点的总数，||.||表示欧式距离；σ2表示经验参数。
17、进一步的，从所有特征点的权重得分中抽取得分最大的m个特征点时，将所有特征点的权重得分按照由大到小的顺序排列，选择前m个特征点组成特征点子集。
18、本发明采用如上技术方案，提高现有遥感图像平台的特征点提取精度和有效追踪能力。
1.一种基于图像配准的动态目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像配准的动态目标跟踪方法，其特征在于：特征点匹配结果采用四维数据结构，包括特征点在两幅图像中的x坐标和y坐标。
3.根据权利要求1所述的基于图像配准的动态目标跟踪方法，其特征在于：降维处理采用pca降维处理。
4.根据权利要求1所述的基于图像配准的动态目标跟踪方法，其特征在于：特征点的权重得分的计算方法为：首先通过分别计算基于该特征点相关联的各三元组的兼容性得分；之后提取所有基于该特征点相关联的三元组的兼容性得分中的最大值作为该特征点的权重得分。
5.根据权利要求1所述的基于图像配准的动态目标跟踪方法，其特征在于：基于特征点相关联的三元组的兼容性得分的计算公式为：
6.根据权利要求1所述的基于图像配准的动态目标跟踪方法，其特征在于：从所有特征点的权重得分中抽取得分最大的m个特征点时，将所有特征点的权重得分按照由大到小的顺序排列，选择前m个特征点组成特征点子集。
