由于嵌入式系统对于运算的实时性要求较高,一些较为成熟的计算机视觉跟踪算法不能很好地满足这一要求。为解决这一问题,介绍一种结合ORB(oriented fast and rotated brief)特征点和Mean Shift的算法用以视觉跟踪。传统的Mean Shift算法...由于嵌入式系统对于运算的实时性要求较高,一些较为成熟的计算机视觉跟踪算法不能很好地满足这一要求。为解决这一问题,介绍一种结合ORB(oriented fast and rotated brief)特征点和Mean Shift的算法用以视觉跟踪。传统的Mean Shift算法运行速度较快,但在目标被遮挡下容易失效,导致跟踪结果不理想,所以决定采用融合ORB特征检测算法的Mean Shift算法来实现目标跟踪。该算法通过检测目标的初始位置,并根据与模板匹配的特征点计算出目标在当前帧的尺度以及旋转角度,从而提高搜索窗口的精度。通过对比实验验证了:与传统的Mean Shift及其改进算法相比,文中介绍的算法在跟踪物体部分被遮盖时也显示出良好的健壮性,并且在跟踪的实时性上有良好的表现。展开更多
文摘由于嵌入式系统对于运算的实时性要求较高,一些较为成熟的计算机视觉跟踪算法不能很好地满足这一要求。为解决这一问题,介绍一种结合ORB(oriented fast and rotated brief)特征点和Mean Shift的算法用以视觉跟踪。传统的Mean Shift算法运行速度较快,但在目标被遮挡下容易失效,导致跟踪结果不理想,所以决定采用融合ORB特征检测算法的Mean Shift算法来实现目标跟踪。该算法通过检测目标的初始位置,并根据与模板匹配的特征点计算出目标在当前帧的尺度以及旋转角度,从而提高搜索窗口的精度。通过对比实验验证了:与传统的Mean Shift及其改进算法相比,文中介绍的算法在跟踪物体部分被遮盖时也显示出良好的健壮性,并且在跟踪的实时性上有良好的表现。