利用SIFT特征联合匹配的非刚体目标跟踪算法

为了解决非刚体目标跟踪过程中由目标形状快速变化带来的困难,提出了利用SIFT特征联合匹配的非刚体目标跟踪算法。首先分别提取目标模板和当前搜索区域的SIFT特征点;然后利用改进的联合匹配策略在目标模板和当前搜索区域之间进行特征匹配;最后根据匹配结果确定目标在当前帧的位置和尺度。改进的联合匹配策略在构建相似度矩阵时,不但利用了具有旋转和尺度不变性的SIFT特征向量,并且充分考虑了特征点的空间位置信息,有效提高了特征匹配的准确性。将这种改进的联合匹配策略成功地引入到SIFT匹配跟踪中,克服了传统SIFT匹配算法用于非刚体目标跟踪时的缺陷。实验结果表明,该算法对目标的非刚性形变、尺度变化以及背景干扰都具有较强的鲁棒性。

利用局部特征联合匹配的非刚体目标跟踪

针对视频序列中非刚体目标的跟踪问题,提出了基于局部特征联合匹配的快速跟踪算法.算法将基于关键点的特征匹配问题转化为求解平衡指派的最优化问题,进而依据整体匹配最优的原则实现特征的联合匹配.跟踪过程为:首先分别提取目标模板和当前搜索区域的局部关键点并进行特征描述;然后依据联合匹配策略确定目标模板关键点在输入帧图像中的匹配结果;最后依据匹配结果确定目标在输入帧图像中的位置和尺度.实验结果表明,该算法对目标的非刚性形变具有较强的鲁棒性,能够适应复杂的背景变化并获得稳定的跟踪结果.

复杂背景下跟踪多个非刚体运动目标的快速算法

在复杂背景下对多个非刚体运动目标进行跟踪是视频对象分割中的一个难点,为此提出了一种跟踪多个非刚体运动目标轮廓并提取精确视频对象平面(VOP)的半自动快速算法。手工获得初始模板后,利用边界投射模板、Canny算子和Hausdorff距离匹配算法,可快速、有效地自动跟踪多个非刚体的运动目标。此外还提出了一种新方法,较好地解决了被遮挡背景的显露问题,并能得到任意形状的闭合轮廓线,继而提取精确的VOP。该算法取得了较好的实验结果。

复杂条件下非刚体运动目标的局部跟踪实现

在公交车背景的环境中,对连续均值平移算法进行了改进,以颜色概率分布和轨迹验证来过滤伪目标,保证了跟踪的可靠性;通过对跟踪搜索的区域进行有效的设计,对目标做出运动预测,减少匹配搜索范围,提高了速度.

基于时空联合双重约束Snake算法的运动目标分割

提出了一种针对运动目标进行分割的STC(Spatio-Temporal Combined)Snake算法。该方法利用待分割帧图像的灰度梯度及其和相邻帧图像的时域信息,构造一种时空联合双重约束的外部能量函数,实现对Snake曲线的变形和收敛。对Snake轮廓进行初始化时,首先将相邻帧图像进行减运算,提取出大致的运动区域,然后再以该区域的外接矩形的长和宽为轴长,在该区域上构造一个椭圆,等间距提取该椭圆形上的N个点,形成Snake的初始化轮廓。实验结果表明,该方法是有效可行的,可精确的分割出非刚体的运动目标。