摘要
本发明公开了一种基于运动特性补偿的拓展目标特征点跟踪方法，属于计算机视觉的目标跟踪领域，方法包括：首先构建基于稳健特征点的匹配特征优化方法，减少了目标特征点错误匹配的数量，实现最优变换模型参数的估计；其次设计了基于卡尔曼滤波约束的跟踪预测校正方法，对匹配跟踪模型的不确定性进行更好的补偿；最后，设计了长短时融合特征模板更新策略，融合历史信息和当前目标状态信息，增强模板特征的鲁棒性，有效避免噪声的叠加，可以实现长时序的目标稳定跟踪。本发明在特征匹配与预测过程中交互式解译图像空间信息与感兴趣特征点信息，使得匹配特征的模型更鲁棒，预测目标位置误差更小，长时跟踪结果更稳定和准确。
