学位论文 > 优秀研究生学位论文题录展示

基于SIFT的视觉跟踪算法研究

作　者: 刘洋
导　师: 姚莉秀
学　校: 上海交通大学
专　业: 控制工程
关键词: 视觉跟踪尺度不变特征变换随机抽样一致算法均值偏移算法词袋模型支持向量机点跟踪
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 386次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息科学技术的发展,视觉跟踪受到了广大研究者的关注。视觉跟踪是监控、导航等很多应用领域的关键技术,因此在实际中得到了广泛的应用,已经给社会带来了巨大的效益。虽然广大研究人员已经提出了很多用于视觉跟踪的理论和方法,但由于实际场景更加复杂多变,视觉跟踪仍然面临着巨大的挑战。因此,在合理运用已有算法的基础上,还需要对视觉跟踪技术进行继续改进和研究。目标建模是视觉跟踪的关键技术之一,它的优劣会直接影响跟踪算法的性能。近年来,尺度不变特征变换(SIFT)作为一种对尺度、旋转、模糊以及光照等变化均比较鲁棒的图像局部特征受到了广泛的关注。已经有许多研究者将其应用在视觉跟踪领域,用其对目标模型进行改进。由于尺度不变特征变换在图像配准上可以达到亚像素的配准精度,因此在目标模型中引入该特征,将会提高对目标最优位置定位的准确性。本文介绍了常用的目标特征,重点介绍了尺度不变特征变换。总结了视觉跟踪算法并详细介绍了三种经典的视觉跟踪框架。在此基础上,对跟踪算法进行了进一步的研究。在算法研究基础上,将跟踪算法应用到实际项目中,取得了较好的效果。本文的跟踪算法是在检测的基础上进行研究的。结合目标跟踪和识别提出了一种基于SIFT的目标跟踪及识别算法。跟踪部分采用了目标的外观模板和SIFT相结合的特征,进而利用概率投票模型和均值偏移算法来估计目标的最优位置。识别部分首先采用SIFT特征构建词袋模型,进而采用支持向量机方法训练目标样本,从而为每个目标创建一个识别器,用于目标识别。最后将目标检测、跟踪和识别结合起来,先用高斯混合模型对图像进行目标检测,然后对检测到的目标进行识别,采用跟踪方法定位到最优目标位置。结合实际跟踪项目,本文提出了一种基于SIFT特征和梯度方向直方图特征相结合的点跟踪算法。该算法通过匹配跟踪点处前后帧之间的SIFT特征,得到两帧之间的单应性矩阵,进而将跟踪点映射到后一帧中,比较精确的定位到候选跟踪点。为了提高匹配精度,本文采用了随机抽样一致算法对匹配结果进行优化,剔除了错误匹配点对。在得到候选跟踪点后,进一步采用梯度直方图特征对候选跟踪点进行精确定位。为了消除跟踪点周围区域变化带来的偏移,设定了目标特征的更新规则。将基于SIFT的点跟踪算法应用到目标测速项目中,提出了基于SIFT的测速算法。该算法根据前后帧图像的偏移量来确定目标的移动距离。

基于SIFT的视觉跟踪算法研究

内容摘要

全文目录

相似论文