计算机科学
計算機科學
계산궤과학
Computer Science
2015年
11期
305-309
,共5页
运动目标跟踪%特征光流%尺度不变特征变换%卡尔曼滤波%光流特征聚类
運動目標跟蹤%特徵光流%呎度不變特徵變換%卡爾曼濾波%光流特徵聚類
운동목표근종%특정광류%척도불변특정변환%잡이만려파%광류특정취류
Moving target tracking%Feature optical flow%Scale invariant feature transform%Kalman filter algorithm%Feature optical flow clustering
针对传统光流跟踪算法计算复杂度高、受噪声影响大的问题,提出了一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)和卡尔曼滤波器的特征点光流跟踪算法.首先,利用SIFT算法提取图像中的特征点;然后,根据最小绝对值误差准则对运动目标的特征点进行匹配,建立卡尔曼滤波器方程来计算特征点光流;最后,通过光流特征聚类实现运动目标的识别与跟踪.实验结果表明,算法对自然场景中的运动目标具有良好的跟踪特性,稳定性好,计算量小,易于实现.
針對傳統光流跟蹤算法計算複雜度高、受譟聲影響大的問題,提齣瞭一種基于呎度不變特徵變換(Scale Invariant Feature Transform,SIFT)和卡爾曼濾波器的特徵點光流跟蹤算法.首先,利用SIFT算法提取圖像中的特徵點;然後,根據最小絕對值誤差準則對運動目標的特徵點進行匹配,建立卡爾曼濾波器方程來計算特徵點光流;最後,通過光流特徵聚類實現運動目標的識彆與跟蹤.實驗結果錶明,算法對自然場景中的運動目標具有良好的跟蹤特性,穩定性好,計算量小,易于實現.
침대전통광류근종산법계산복잡도고、수조성영향대적문제,제출료일충기우척도불변특정변환(Scale Invariant Feature Transform,SIFT)화잡이만려파기적특정점광류근종산법.수선,이용SIFT산법제취도상중적특정점;연후,근거최소절대치오차준칙대운동목표적특정점진행필배,건립잡이만려파기방정래계산특정점광류;최후,통과광류특정취류실현운동목표적식별여근종.실험결과표명,산법대자연장경중적운동목표구유량호적근종특성,은정성호,계산량소,역우실현.
