基于SIFT特征匹配的CamShift运动目标跟踪算法.pdf

《基于SIFT特征匹配的CamShift运动目标跟踪算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第6期计算机科学Vo1．41No．62014年6月ComputerScienceJune2014基于SIFT特征匹配的CamShift运动目标跟踪算法马正华顾苏杭戎海龙(常州大学信息科学与工程学院常州213164)摘要针对复杂背景下采用一般CamShift算法跟踪目标容易失败，提出将SIFT(Sca1eInvariantFeatureTrans—form)特征点匹配融入到CamShift算法。该算法利用SIFT特征对尺度和方向无关特性实现连续图像序列的精准匹配，具有对尺度缩放、目标旋转以及亮度变化保持不变性的优点，不仅弥补了一般CamShift算法只以

2、颜色为关键信g-的不足，而且可将目标跟踪窗口形心和质心间的位移稳定在设定阈值内。最后通过对比性实验来验证该算法的有效性和稳定性。实验结果表明，该算法能够对复杂背景下的光照突变、缩放和旋转运动目标实现实时稳定跟踪。关键词复杂背景，CamShift算法，SIFT特征点匹配，光照突变，缩放和旋转中图法分类号TP393．08文献标识码ACamShiftMovingObjectTrackingAlgorithmBasedOilSIFTFeaturePointsMatchingMAZheng-huaGUSu-hangRONGHai-long(CollegeofInform

3、ationScienceandEngineering，ChangzhouUniversity，Changzhou213164，China)AbstractAnewalgorithmintegratingSIFFfeaturepointsmatchingintoCamShiftalgorithmwasproposed，aimingattrackingobjectwhichispronetofailurecausedbyusinggeneralCamShiftalgorithmundercomplexbackgrounds．ThealgorithmusestheS

4、IFTfeaturetorealizeprecisematchingofthecontinuousimagesequencewhichhasnothingtodowithscaleanddirection．Anditispartiallyinvarianttoobjectscaling，translationandilluminationchange．Notonlyitcompensatesforthe1ackoftakingcoloraskeyinformationofthegeneralCamShift，butalsothedisplacementbetw

5、eenthecentroidandthecenterofmassofobjecttrackingwindowisstablewithinthethreshold．Finally，theeffectivenessandstabilityofthealgorithmwereverifiedviacomparativeexperiments．Theexperimentalresultsshowthatthenewal—gorithmcanachievestabletrackingobjectagainstilluminationmutations，scalingan

6、drotationunderthecomplexback—grounds．KeywordsComplexbackgrounds，CamShiftalgorithm，SIFFfeaturepointsmatching，Illuminationmutations，Scalingandrotation进入21世纪以来，无人机在军民两用方面愈加广泛，使算法与最小错误率的贝叶斯决策理论相结合来准确区分目标得视觉跟踪技术L1]研究和相关系统的开发不仅吸引了国内外区域和背景区域，在一定程度提高了CamShift跟踪算法的效学者、院校和科研机构的广泛关注，也促使了许多商业技术

7、公率。由于复杂背景下目标还存在缩放和旋转运动，图像中目司的大量研发投入。视觉跟踪系统不仅是计算机视觉领域的标搜索窗口的形心与质心之间的位移易超出阈值，目标偏出一个重要分支，而且被广泛应用于目标跟踪[2]、公路巡航I3]等搜索窗口，CamShift跟踪算法失效。sIF。算法是一种基于图像局部特征提取的方法，SIFT诸多领域。特征口。。具有尺度缩放不变性、旋转不变性，对视角变化、光照MeanShift算法E4,5]是一个基于梯度分析的无参数快速变化、物体运动、噪声也具有良好的稳定性。SWI"算法利用模式匹配算法，具有实时性、鲁棒性的特点，因此有着广泛的RANSAC

8、(RandomSampleConsen