[发明专利]一种改进SIFT算法的快速目标跟踪方法

摘要

本发明属于目标跟踪领域，具体涉及一种改进SIFT算法的快速目标跟踪方法。本发明包括：采集装置获取动态视频；从动态视频中获取一张目标图像；提取目标图像的SIFT特征并保存到数据库中；目标的SIFT特征与动态视频中的每帧图像的SIFT特征进行匹配，检测到目标后，确定目标在图像中的位置；根据目标位置区域初始化Mean Shift模板；Mean Shift对动态视频中之后每一帧图像进行迭代跟踪；根据跟踪目标确定模板更新频率。本发明的方法为快速跟踪物体提供了一条非常有效的途径，可广泛应用于视频监控，运动分析等领域。与传统的SIFT跟踪方法相比，速度得到很大的提升，完全可以满足实时性。

主权项

一种改进SIFT算法的快速目标跟踪方法，其特征在于：(1)采集装置获取动态视频；(2)从动态视频中获取一张目标图像；(3)提取目标图像的SIFT特征并保存到数据库中；(3.1)尺度空间极值检测，初步确定关键点位置和所在尺度：对目标图像通过与不同核值的高斯函数进行卷积运算构成高斯尺度空间，通过对高斯尺度空间进行采样，建立高斯金字塔；将高斯金字塔的相邻层相减，得到DOG金字塔，以处于中间层的像素点为中心的3*3*3的三维空间内进行极值检测，如果像素点在DOG金字塔尺度空间本层以及上下两层的26个邻域中是最大或者最小值，则将该像素点标记为局部极值点，该像素点是图像在该尺度下的一个候选特征点；(3.2)精确确定关键点的位置和尺度：通过对步骤(1)得到的候选特征点进行三维二次函数拟合以获得亚像素级的精确定位，去除低于对比度γ的特征点以及不稳定的边缘响应点；(3.3)利用特征点邻域像素的梯度方向统计特性为指定方向参数，使特征点具有旋转不变性。(3.4)SIFT特征向量生成：将坐标轴旋转为关键点的方向，以关键点为中心取8*8的窗口，在每4×4的小块上计算8个方向的梯度方向直方图，绘制每个梯度方向的累加值，形成种子点，关键点由2×2共4个种子点组成，每个种子点有8个方向向量信息；(4)目标的SIFT特征与动态视频中的每帧图像的SIFT特征进行匹配，检测到目标后，确定目标在图像中的位置：目标图像和待匹配图像的SIFT特征点进行匹配确定目标在图像中位置，SIFT特征匹配采用关键点特征向量的欧式距离作为相似性度量，取参考图像中的关键点，找出待匹配图像中欧式距离最近的2个关键点，在这2个关键点中，如果最近的距离除以次近的距离小于某个阈值，则接受这一对匹配点；(5)根据目标位置区域初始化Mean Shift模板：目标图像和待匹配图像的特征点匹配后，确定待跟踪目标在图像中的位置区域，待跟踪目标在图像中的位置区域是Mean Shift核函数作用的区域，区域的大小等于核函数的尺度，对初始目标区域内所有的像素点，计算特征空间中每个特征值的概率，即目标模型的描述；(6)Mean Shift对动态视频中之后每一帧图像进行迭代跟踪：以后的每帧图像中可能存在目标候选区域中对特征空间每个特征值的计算成为待候选模型描述。利用相似性函数最大得到关于目标的Mean Shift向量，这个向量即是目标从初始位置向正确位置转移的向量，基于Mean Shift跟踪算法的收敛性,不断迭代计算Mean Shift向量，在当前帧中目标最终会收敛于一个位置,从而确定跟踪目标区域。(7)根据跟踪目标确定模板更新频率，当达到更新条件时返回步骤(4)。