增强现实中的视频对象跟踪算法

根据增强现实在视频对象跟踪中的应用需求,提出一种综合利用尺度不变特征变换(SIFT)算子、K聚类算法和轮廓检测的视频对象跟踪算法。该算法利用简易SIFT获得输入图像的特征点,通过K聚类算法获得可能的对象聚类,并采用改进的轮廓处理方法得到对象边界,移除孤立点,确定对象特征点,在对象特征点中获取增强现实应用中需要的注册点。在关键帧匹配中,只要使用对象特征点进行对象匹配。实验结果表明,该算法具有运行速度快、匹配正确率高的特点,能满足增强现实视频应用的注册需求。     

抓取操作中手与虚拟物体的自然融合

由于现有硬件和检测条件的限制,抓取中手指与虚拟物体之间往往会有穿透和空隙现象出现,无遮挡时就会被用户察觉;如果立即改变虚拟物体的位置来消除穿透和空隙,会使虚拟物体产生明显跳跃,缺乏交互真实感。分析了运动时手指与虚拟物体的遮挡关系,运用三维图形学中的理论实现对不遮挡情况的判断;将其与灰色预测理论相结合,实现对手的移动预测;根据预测结果和最大速度差原则,自适应地调整虚拟物体的速度,使虚拟物体与手逐渐融合。实验结果表明,使用提出的方法,既可提高抓取的成功率,又能保证虚拟物体与手的自然融合。     

基于粒子滤波与改进水平集的人手跟踪

提出一种基于肤色信息的改进水平集分割算法,给出整个算法的推导和实现过程,实现复杂背景下的精确人手轮廓分割,在进行人手跟踪时,使用粒子滤波对手的位置和大小进行跟踪,并用跟踪结果初始化水平集函数,以此加快轮廓曲线的收敛速度,获得手的轮廓后,对指尖位置进行定位。实验结果表明,该算法能够在复杂背景下实时、准确地跟踪人手轮廓和指尖位置。     

增强现实系统中磁力跟踪注册的精确性研究

为进一步提高增强现实系统的三维注册精度,分析了磁力跟踪系统误差产生原因,在坐标变换校正法的基础上,提出了一种自适应网格线性插值校正法,对跟踪器进行校正.该方法首先将系统所用的整个三维空间划分为空间网格,再建立磁力坐标与真实坐标的对应表,然后对网格进行自适应重划分,最后利用线性插值法对实时磁力坐标进行校正.对该方法进行了详细的分析说明,进行了相关实验,实验结果表明,该方法能够显著提高增强现实系统的跟踪精确度,使虚实结合更自然.     

基于机器学习的自然特征匹配方法

针对增强现实中的三维注册问题,提出一种基于机器学习的图像自然特征点识别方法。基于高斯混合模型进行样本选择,利用模式识别中的分类方法替代特征向量的最近邻匹配,将计算负担从实时阶段转移到训练阶段,利用各匹配点对之间的相似度计算核密度估计的权值,实现相关平面目标的跟踪。实验结果表明,该方法实时性好、相机位姿估计精确,对光照、遮挡、透视等变化具有较强的鲁棒性。     

运动像机下基于粒子滤波的多目标跟踪算法

针对摄像机运动情况下的多目标跟踪问题,提出了基于粒子滤波的跟踪算法.在粒子滤波算法基础上,将二阶自回归过程作为系统状态转移模型,HSV颜色直方图作为观测模型,对视频中多个目标的位置、大小进行跟踪.实验结果表明,该算法能实时正确地跟踪多个目标,并对局部遮挡有较好的鲁棒性,也能在目标短暂消失导致跟踪失败后,在目标重新出现后及时捕获并继续进行跟踪.