特征匹配與目標(biāo)跟蹤算法的研究.pdf

1、計(jì)算機(jī)視覺(jué)是當(dāng)前計(jì)算機(jī)科學(xué)中的一個(gè)非常重要的領(lǐng)域，它是人類感知信息系統(tǒng)的重要組成部分，有相當(dāng)多的應(yīng)用，人工智能就是其中之一。在人工智能中，計(jì)算機(jī)視覺(jué)技術(shù)被應(yīng)有于模式識(shí)別、三維重建和目標(biāo)跟蹤等等。可以說(shuō)，計(jì)算機(jī)視覺(jué)與基因工程同等重要，逐步成為未來(lái)科學(xué)發(fā)展的兩個(gè)重要領(lǐng)域之一。
　　給出一對(duì)圖像，如何檢測(cè)并匹配特征是計(jì)算機(jī)視覺(jué)技術(shù)的基礎(chǔ)。例如，在一個(gè)動(dòng)態(tài)環(huán)境里，智能決策系統(tǒng)需要檢測(cè)和匹配圖像來(lái)分析視覺(jué)系統(tǒng)提供的序列圖像，根據(jù)分析的結(jié)果對(duì)

2、系統(tǒng)發(fā)出指令去完成目標(biāo)跟蹤的任務(wù)，此是本文的主要工作。本文重點(diǎn)探討圖像特征匹配技術(shù)，以及其在目標(biāo)跟蹤系統(tǒng)中的應(yīng)用，主要包含兩個(gè)部分：
　　第一，基于當(dāng)前流行的多約束條件的特征匹配方法，實(shí)現(xiàn)了特征匹配的過(guò)程，包括：特征檢測(cè)、特征描述、特征匹配和匹配過(guò)濾。實(shí)驗(yàn)發(fā)現(xiàn)該方法存在參數(shù)閾值難以選取，優(yōu)質(zhì)匹配數(shù)目少的問(wèn)題。
　　基于此，本文提出了一種基于極線插入圖像的特征匹配方法?；跇O線幾何原理，通過(guò)將極線插入圖像的方式對(duì)原有方法進(jìn)行了

3、改進(jìn)，實(shí)驗(yàn)結(jié)果有所提高。
　　為了得到更優(yōu)的匹配結(jié)果，本文進(jìn)一步探索，提出了一種基于極線約束的SURF特征匹配方法。方法鎖緊參數(shù)，用RANSAC算法可以獲得質(zhì)量高的基礎(chǔ)矩陣。該方法實(shí)現(xiàn)過(guò)程簡(jiǎn)單，不僅匹配準(zhǔn)確度高且能夠大大提高正確的特征匹配數(shù)，適用于處理不同類型的圖像數(shù)據(jù)。
　　第二，為了將本文的上述方法應(yīng)用到計(jì)算機(jī)視覺(jué)中去，搭建了一種一致性特征匹配與跟蹤的目標(biāo)跟蹤系統(tǒng)，其過(guò)程包括：特征匹配，特征跟蹤，模型建立，目標(biāo)模型學(xué)習(xí)與