关于sift跟踪算法中目标匹配的方法问题

这个名字居然也有 2017-01-12 10:43:54

第一种，请我这种方法叫什么名字？欧式距离？？？
for (int i = 0; i < descriptors_object.rows; i++)
{
if (matches[i].distance < 3 * min_dist)
good_matches.push_back(matches[i]);
}
第二中，我使用KNNmatch，相对第一种方法，删除了很多错误的匹配，但有些正确的特征点也删了，目标识别效果不如第一种，是因为参数设置有问题吗?

...全文

199 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文将计算机视觉领域的最新研究成果。而算法应用于图像跟踪中, 根据实际需要对算法进行裁剪和改进, 设计了一种能在较大范围内克服旋转、尺度缩放及视角变化等图像变形的目标匹配新方法, 通过大量试验验证了该方法的可靠性和精确性。降价，降价！！！哈哈，一起分享！

深圳电信培训中心徐海蛟老师上课教材，热门的图像匹配算法sift。成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的图像相对应。传统的匹配算法往往是直接提取角点或边缘，对环境的适应能力较差，急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。 1999年British Columbia大学大卫.劳伊（David G.Lowe）教授总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－SIFT（尺度不变特征变换），这种算法在2004年被加以完善。将一幅图像映射（变换）为一个局部特征向量集；特征向量具有平移、缩放、旋转不变性，同时对光照变化、仿射及投影变换也有一定不变性。 SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决。 SIFT算法的实质可以归为在不同尺度空间上查找特征点（关键点）的问题。

摄像机运动情况下的运动目标检测及跟踪是视频监控中的热点问题。论文提出一种基于SIFT（Scale Invariant Feature Transform）特征匹配的运动目标检测和跟踪算法。在目标检测阶段，首先提取两帧带检测图像的SIFT特征点并进行特征匹配，然后计算两帧图像之间的几何变换矩阵，从而实现图像的几何对齐。再将几何对齐后的两幅图像进行差分，并在差分图像中寻找SAD最大值区域作为运动目标区域。在目标跟踪阶段，将已检测到的目标作为跟踪样本，与后检测到的目标区域进行SIFT特征匹配，结合论文提出的跟踪样本集更新机制实现目标跟踪。论文目标检测和跟踪均基于SIFT特征匹配方法且无需背景建模过程，以适用于实时应用。

针对传统跟踪—学习—检测（tracking-learning-detecting，TLD）目标跟踪算法由于检测模块扫描大量子窗口而导致检测时间过长，并且在跟踪过程中当目标发生严重遮挡、形变时，TLD算法会出现跟踪失败的问题进行了研究，提出改进TLD目标跟踪算法。改进算法在检测模块前加入ViBe模型预估前景目标，极大地缩小了检测区域。追踪模块用SIFT特征匹配算法来代替原算法中的光流法，准确跟踪目标避免发生跟踪漂移，减少了计算的复杂度，提高了算法适应环境的能力。实验表明，改进后的TLD算法运行速度得到提升，并且当目标出现严重遮挡、光照强度剧烈变化时的跟踪精度也得到了很好的改善。

针对运动目标遮挡的难题，提出一种新的遮挡目标跟踪算法。采用三帧取均值进行背景建模，采用相邻帧差法和背景差分结合自动提取出运动目标，对单运动目标生成SIFT（scale invariant feature transform）向量。当运动目标处于遮挡状态时，将遮挡区域与单运动目标进行SIFT特征匹配，通过特征匹配点的坐标，找出单运动目标在遮挡区域中的位置，并对SIFT特征匹配运用RANSAC算法进行优化，实现遮挡情况下目标的有效跟踪。实验表明，该算法能准确地跟踪处于遮挡中的目标，实现运动目标跟踪的连续性和稳

64,318

社区成员

250,523

社区内容

发帖

与我相关

我的任务

c++ 技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

请不要发布与C++技术无关的贴子
请不要发布与技术无关的招聘、广告的帖子
请尽可能的描述清楚你的问题，如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧

+ 用AI写文章