基于GPU的视频流人群实时计数

为了解决人群遮挡严重、光照突变等恶劣环境下人群计数准确率低的问题,提出基于混合高斯模型（GMM）和尺度不变特征变换（SIFT）特征的人群数量统计分析新方法。首先,基于GMM提取运动人群,并采用灰度共生矩阵（GLCM）和形态学方法去除背景中移动的小物体和较密集的噪声等非人群前景,针对GMM算法提出了一种效率较高的并行模型;接着,检测运动人群的SIFT特征点作为人群统计的基础,基于二值图像的特征提取大大减少了执行时间;最后,提出基于人群特征数和人群数量进行统计分析的新方法,选择不同等级的人群数量的数据集分别进行训练,统计得出平均单个特征点数,并对不同密度的行人进行计数实验。算法采用基于GPU多流处理器进行加速,并针对所提算法在统一计算设备架构（CUDA）流上任务的有效调度的方法进行分析。实验结果显示,相比单流提速31.5%,相比CPU提速71.8%。     

基于改进特征袋模型的奶牛识别算法

针对特征袋（BOF）模型中存在特征计算耗时、识别精度低的不足,提出一种新的改进BOF模型以提高其目标识别的精度和效率,并将其应用于奶牛个体识别。该算法首先引入优化方向梯度直方图（HOG）特征对图像进行特征提取和描述,然后利用空间金字塔匹配原理（SPM）生成图像基于视觉词典的直方图表示,最后自定义直方图交叉核作为分类器核函数。该算法在项目组自行拍摄的数据集（包含15类奶牛、共7500张奶牛头部图像）上的实验结果表明,使用基于SPM的BOF模型将算法的识别率平均提高2个百分点;使用直方图交叉核相比使用高斯核将算法的识别率平均提高2.5个百分点;使用优化HOG特征,相比使用传统HOG特征将算法识别率平均提高21.3个百分点,运算效率为其1.68倍;相比使用尺度不变特征变换（SIFT）特征,在保证平均识别精度达95.3%的基础上,运算效率为其7.10倍。分析结果可知,该算法在奶牛个体识别领域具有较好的鲁棒性和实用性。     

基于视野分界线的多摄像机运动目标跟踪算法

提出了一种改进的基于视野分界线的多摄像机运动目标跟踪算法。该算法通过采用SIFT算法来自动获取特征点,生成视野分界线。当目标穿过分界线后,将待确定目标颜色直方图与目标颜色直方图相匹配,匹配度最好的赋予标识,即完成目标的交接,用Mean Shift算法完成后续目标的跟踪。在搭建的实验平台上进行了实时跟踪,实验结果表明该算法能有效实现多摄机间的目标连续跟踪。     

基于AAM-SIFT特征描述的两级SVM人脸表情识别

采用AAM定位特征点、尺度不变特征变换（SIFT）描述特征的方式提出一种基于AAM-SIFT的表情特征提取方法。该方法用特征点周围区域梯度方向直方图描述表情特征;同时根据不同子区域对表情的贡献不同,将特征点分组并赋予不同权重,并用两级支持向量机（SVM）对融合的加权特征进行分类识别。在标准表情库和多姿态表情库上的验证结果表明,该方法能有效提高正面人脸表情的识别率,对一定偏转角度的非正面人脸表情也保持较好的鲁棒性。     

基于改进SIFT特征提取的自主移动机器人环境识别方法研究

为了提高机器人在环境识别中的实时性和准确性,在分析了SIFT描述算子性能及原理的基础上,对SIFT算法在计算描述算子阶段提出自适应修改步长的改进,以及在原先的匹配方法的基础上又加入二次反向匹配,既在一定程度上提高了实时性又对关键点的消除错配起到较好的效果。仿真结果也证明了其有效性。     

基于区域分块的SIFT图像匹配技术研究与实现

针对目前SIFT算法在特征匹配过程中出现的搜索范围广、处理数据量大、速度慢的问题,提出一种基于区域分块思想的新型SIFT匹配法。首先将待匹配图像进行双边二分区域分块处理;其次采用投票机制方式选取可信匹配子块,缩小原始匹配区域空间;随后结合SIFT算法提取可信匹配子块的特征点,并进行初步匹配;最后结合双向RANSAC算法去除伪匹配点对,提高匹配的准确率。实验结果表明:基于区域分块的改进SIFT算法比标准SIFT算法具有更强的实时性和鲁棒性,在实际图像匹配中具有一定的应用价值。     

主成分分析法(PCA)在SIFT匹配算法中的应用

针对传统SIFT匹配算法数据量大、耗时长的问题,采用了主成分不变特征变换(PCA-SIFT)匹配算法。PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。首先提取出两幅待匹配图像中的所有特征点及其特征向量,其次将提取出的特征向量采用距离比阈值筛选出匹配点对,再采用RANSAC法消除错配,最后得到精确的匹配结果。实验结果表明,PCA-SIFT算法较稳定、精确、快速。     

SIFT特征匹配算法的研究

当前,SIFT算法在特征匹配研究中是比较成功的一种特征算法,因为它不仅对图像的旋转、平移、缩放能保持不变,对部分遮挡和对比度的变化也可维持稳定而被应用于图像立体匹配中。旨在介绍SIFT算法的基本原理,比较一些SIFT改进算法的优缺点,并指出今后发展方向。     

基于图像匹配的目标定位技术研究

本文通过对图像匹配过程的描述,使用SIFT算法完成对基准图像以及待匹配图像的精准匹配,从而实现对目标的定位。SIFT算法在图像匹配过程中具有很好的鲁棒性。通过实验验证其适合应用于目标定位领域。     

色差图像的数字图像拼接算法

针对有明显色彩和亮度差异的图片,在进行传统的图像拼接后,会产生肉眼可见的拼接缝,严重影响拼接效果。因此,提出一种针对存在色差的图像拼接算法。首先,计算相邻图片间的色彩校正参数和每个彩色通道的全局色彩调整参数,选择适合的颜色和亮度,对每一幅图片进行色彩校正。其次,引入SIFT和RANSAC算法,实现了图像的准确配准。最后,采取0．1加权融合算法和平均融合算法结合进行图像融合,得到最终的全景图像。实验结果表明,由于已经进行图像间的校正,减少了待拼接图像的色差,使得图像的融合更加简单。该算法对于存在色差的图片序列可以实现无缝快速的拼接,并且可根据需要调整图像的色彩和亮度。