基于BRISK特征点改进的跟踪学习检测方法

为提高长时目标跟踪的鲁棒性和准确性,提出一种改进的跟踪学习检测(TLD)方法。利用少量具有尺度不变特性的BRISK特征点和均匀分布点组成跟踪点集合代替TLD中的均匀分布跟踪点。这样不仅可以减少跟踪部分的计算量,而且可以提高跟踪的鲁棒性。当跟踪器利用前后项误差检测到遮挡时,通过使用目标的空间上下文信息扩大跟踪范围再次跟踪,进而解决遮挡的问题。实验结果表明,改进的TLD方法在多个测试序列上都有较好的跟踪性能,与传统的TLD相比,鲁棒性更好,准确率更高。

一种camshift算法与brisk特征点相结合的运动目标跟踪方法

传统的camshift算法中,当目标移动过快或背景同目标相似时容易导致目标跟踪丢失,在各种复杂情况下,如何保持跟踪的有效性及连续性成为众多研究人员不断努力的方向。为此,提出了一种brisk特征点检测与camshift算法相结合的目标跟踪方法,以及简化的搜索窗口修正方法,在camshift算法基础上,通过不同帧的目标上brisk特征点匹配来防止局部最大值的出现以及目标移动过快导致的跟踪窗口丢失。实验结果表明:该方法有效地提高了目标跟踪的连续性和稳定性,与其他特征点结合的算法相比有更好的实时性及精确性。

一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度。