基于多核DSP平台的交通视频运动目标检测跟踪实现

为解决实际交通智能监控系统中视频传感器平台因移动或外部因素的影响发生晃动,导致视频运动目标检测跟踪性能下降的问题,文章提出了基于改进SIFT算法的精确配准动目标检测跟踪方法。该算法采用经典SIFT特征对图像配准,以此为基础实现高效、高精度的图像帧间差分运动目标检测,并采用自适应阈值分割算法完成对差分图像的分割,且通过区域合并策略解决分割产生的断裂及空洞问题,同时采用目标局部邻域特征和置信度判定准则,实现对运动目标的检测和持续稳定的跟踪。最后,基于多核DSP处理平台,通过实验验证了该算法应用于智能交通视频动目标检测跟踪的有效性。     

基于SiftGPU特征匹配方法的实时视觉里程计系统

采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。     

一种鲁棒性的抖动视频稳像算法

设计了一种适用于移动摄像设备获取的视频序列的基于特征匹配的鲁棒性不稳定视频稳像算法,算法首先将亮度自适应模型融入传统的KLT方法中以实现鲁棒性的特征匹配,而后基于特征误差分析和运动一致性原则对特征集合进行有效性验证以提高特征的可靠性,并提出一种基于运动往复特性的抖动检测方法以避免视频无抖动时的稳像误差,最后根据匹配的特征区域间的对应关系采用Affine运动模型进行图像稳定.实验结果表明,算法对于前景物体运动和外界光线突变具有较好的鲁棒性.     

SIFT特征提取算法的FPGA实时实现

为了在运动目标检测与跟踪系统中能够实时地提取目标的特征点,从而完成图像实时匹配操作,提出了在FPGA实现SIFT特征提取算法。该算法采用SRAM复用技术简化程序,合理设计FPGA各模块结构。此外,该算法采用定点小数来保证算法的精度要求。整个算法在Virtex-5硬件平台上实现,采用verilog语言进行程序的编写和调试。结果分析表明,优化后的SIFT算法能够稳定地在FPGA上实现,同时算法的复杂度得到了降低并达到了精度要求,且具有良好的实时性。     

基于KPCA-SIFT描述符的图像配准

SIFT描述符是一种鲁棒的局部特征描述符,利用核主成分分析的特征提取方法,对每个特征点的SIFT特征进行降维处理.核主成分分析采用非线性方法提取主成分,是主成分分析的改进算法.本文描述了一种基于KPCA-SIFT描述符的高精度图像配准算法,通过对KPCA-SIFT特征的相似性度量得到匹配点对,再根据这些匹配点对对图像进行配准.实验结果表明,KPCA-SIFT特征精确、稳定、可靠,可以得到高精度的配准.     

基于全方位视觉的移动机器人运动目标检测*

针对移动机器人动态背景下运动目标的检测,提出一种基于全方位视觉的检测算法。首先,改进了SIFT算法中的特征点提取方法,在将图像划分为若干网格后,再根据特征点所在位置的局部区域熵对每个网格中的候选特征点进行筛选;其次,在SIFT点匹配后采用RANSAC算法去除误匹配点,以提高背景补偿的精度;最后用帧差法检测出运动目标。实验表明,该算法减少了SIFT点的获取时间,并具有良好的鲁棒性,能准确地在机器人运动过程中检测出运动目标。     

一种改进的SIFT特征点匹配方法

提出了一种改进的SIFT特征点提取算法.首先利用Canny算法进一步剔除影响匹配结果的边缘点,然后利用SIFT特征提取结合Harris角点检测算法来提取更加稳定的特征点,并采用基于圆形窗口的48维向量来进行特征描述,最后利用最近邻搜索进行特征匹配.实验结果表明,该算法比原算法精度更高,并且时间复杂度有所降低,适合用在实时性要求较高的场合.     

基于SIFT特征与预测的运动目标检测算法

为了在动态场景下对运动目标进行快速检测,提出一个改进的SIFT特征匹配的检测算法。首先采用SIFT方法提取匹配的特征点;然后为全局运动建立起旋转参数模型,并使用RANSAC方法排除外点的影响,运用最小二乘法求解全局运动参数;最后利用基于残差图像块的更新策略对特征点进行更新。该算法是基于预测的SIFT特征点匹配算法,不仅保持了SIFT方法的优越性能,而且提高了检测目标的速度。与块匹配算法的实验结果对比表明,该算法可以实时准确地检测出运动目标。     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

基于视觉模糊的LBP鲁棒特征提取与匹配

目的针对目前模糊图像特征提取与匹配方面, 存在特征提取困难、匹配率低、抗噪以及抗尺度变 化能力弱的缺陷。方法提出一种基于SIFT算法与改进的中心对称局部二值模式相结合的精准 、特征识别 率高的匹配算法。首先采用SIFT进行特征的提取,生成多维的描述子,其次采用本文改进的 中心对称局 部二值模式对高维特征描述子进行降维处理,并采用局部特征区域对降维后的描述子进行特 征检测,并生 成纹理特征图像以及信息分布直方图,对特征区域的特征点进行信息量统计,并设置检测阈 值。提取符合 特征信息要求的特征点,并依据Hausdorff距离算法实现图像粗匹配,最后采用RANSAC算法 进行误差匹 配的剔除来改善匹配的精度和鲁棒性。结果测试结果表明,本文所建议的算法是有效的,它 不仅具有良 好的模糊图像分辨能力和抗尺度变化特性,而且具有较强的噪声抑制能力和抗光照变化能力 。结论本文 提出的基于视觉模糊的鲁棒特征匹配算法,不仅考虑到传统特征匹配算法的优缺点,也提出 了算法改进的 新思路,而且较SIFT算法以及LBP算法稳定性和准确度有了明显的提高。