1.一种基于光流和局部不变特征的交通目标跟踪方法，其方法特征在于：(1)对输入视频图像采用在线自适应高斯混合模型得到前景目标，建立目标初始模板及跟踪窗口，利用SURF尺度不变特征变换算法检测目标局部特征点；

具体方法为：在线自适应高斯混合模型背景建模后，将当前帧和背景帧差分，提取前景车辆，并用滤波、形态学腐蚀开闭去掉噪声和道路信息，建立目标初始模板及跟踪窗口；

(2)提升小波构造多分辨率变换金字塔改进LK稀疏光流法，对SURF算法提取的目标局部特征点计算光流运动估计；包括如下步骤：

1)算法假设像素邻域空间内运动矢量相同,得到光流能量函数如式(1)所示；

式中 表示灰度在x，y方向，以及t时间的偏导数；u，v是

该像素点光流x，y方向的速度分量；邻域内各像素点的权重用W(X)窗口加权函数表示，使得邻域区域同外围区域相比，对约束产生更大影响，Ω是光流一致的像素点t时刻的邻域范围；

2)设▽I(X)＝(Ix,Iy)T，V＝(u,v)T，用最小二乘法求解方程(2)，最小化能量函数E，从而求解光流，得式(3)：ATW2AV＝ATW2B        (2)

V＝(ATW2A)-1ATW2B      (3)

其中，各个参数的表示为：A＝(▽I(X1)，▽I(X2)，▽I(X3)，…▽I(Xn))T，W＝diag(W(X1),W(X2),W(X3),…W(Xn)),B＝-(It(X1)，It(X2)，It(X3)，…It(Xn))T；

3)相邻帧图像通过提升小波在多尺度分解图像,按精度递减顺序构造不同分辨率的提升小波金字塔图像，从而提升像素最大移动距离；提升小波算法不依赖傅里叶变换；利用小波金字塔层与层间的位移传递计算，使得不同尺度上的位移量相比原始位移量缩小；包括如下步骤：a.通过提升小波算法在多尺度分解图像,构造提升小波金字塔，令In-1(x,y)为第n-1层的金字塔图像，In(x,y)为上层图像，n为金字塔总层数；令gm为金字塔中第m+1层初始估计的光流矢量，Δfm为光流计算矢量值，最上层光流初始值为gn-1＝0；各层之间光流映射关系如式(4)所示，根据上层图像对下层金字塔图像进行光流计算如式(5)所示：gm-1＝k(gm+Δfm)     (4)

b.选取3层金字塔，顶层光流量g2＝0，根据式(3)求取Δf2的光流计算矢量值，带入式(4)中，得到2层光流量g1＝kΔf2，依次迭代，进一步求得最底层的光流量g0以及Δf0的值，f＝g0+Δf0，因此初始图像的光流值为：c.令光流在计算时每次处理的移动距离DMAX为1像素，利用提升小波分辨率金字塔计算m+1后将像素最大移动距离提升为(2 -1)DMAX，当m取3时，构造4层金字塔，带入DMAX＝1，则最大位移量是15像素；

(3)跟踪过程进行模板更新判断，根据模板更新方法自适应更新跟踪窗口：算法实时检测是否最后一帧，若是，结束跟踪；若不是，则按照如下步骤进行模板更新判断及实施具体跟踪策略；

1)在模板更新过程中，无需每帧都更新，否则会增加系统运行负担；将步骤(1)中建立的目标跟踪窗口内的SURF特征点分配权值Wj，接近目标的权值较大，接近背景的小；

2)当特征点估计位置超出跟踪窗口一定比例时，更新模板；令窗口内外特征点分别为：N内，N外，若N外与N内加N外的比值大于阈值K时，说明外点的影响大，则更新模板，K取0.25，否则继续跟踪；

3)更新模板时，更新跟踪窗口，令跟踪窗口包含所有光流估计特征点，将检测到的SURF特征点和前一帧的跟踪模板进行特征匹配，匹配后按照下式更新所有特征点权值：W′j(t)＝C(α(Wj(t)+1/M)+(1-α)Wj(t-1))     (7)其中W′j(t)为t时刻更新后的权值，M为特征点总个数，C为归一化系数，α是为了使特征模板在更新时，降低对背景环境的变化的敏感程度引入的折中系数，α取0.7；

4)更新结束后，删除掉权值低的特征点，提高特征点纯度，完成模板更新。