基于SIFT特征与预测运动目标检测算法.docVIP

基于SIFT特征与预测运动目标检测算法 　　摘 要： 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。 　　关键词： 目标检测； SIFT特征； 旋转参数模型； 动态场景 　　中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2015）19?0087?04 　　Abstract： An improved detection algorithm of SIFT feature marching is provided for rapid detection to moving object in dynamic scene. The matched feature points are extracted by SIFT method， and the rotation parameter model is established for global motion. The influence of exterior points is eliminated by RANSAC method. The global motion parameters are solved by the least square method， and the feature points are updated by the updating strategy based on residual image block. This matching algorithm is based on the predicted SIFT feature points， which can remain the high performance of SIFT method and improve the detection rate of the object. Compared with the experimental results of block matching algorithm， it demonstrates that this algorithm can detect moving object accurately and in real?time. 　　Keywords： object detection； SIFT feature； rotation parameter model； dynamic scene 　　0 引 言 　　现代监控系统中，需要对运动目标进行实时快速的检测，传统的固定摄像机由于其监控范围有限，逐渐被可旋转的摄像机代替。动态场景下的图像不断变化，信息处理相对静态场景更加复杂，因此动态场景下目标检测的研究具有重要的意义。目前检测运动目标的方法主要有：时间差分法[1]、光流法[2]、背景减除法[3]、匹配的方法[4]等。时间差分法对环境有着较强的适应性，但由于不能对检测的所有特征进行提取，无法全部的对目标区域进行检测；光流法适用范围较广，但该算法较为复杂，运算量很大，不适合实时的检测动态场景下的运动目标；背景减除法可提供完整的目标特征，但该方法容易产生离散噪声点，并且容易受到光照和灰度等级变化的干扰，需要建立背景模型对背景图像进行实时更新；特征点匹配的方法，在相邻帧中分别提取特征点，并匹配特征点，再利用匹配的特征点对求解全局运动参数。由于特征点匹配的方法适合摄像机随意转动的情况，而且只需要对某些有特征的、稳定的点进行计算，大大提高了算法速度。所以本文采用特征点匹配的方法。 　　SIFT特征点由David Lowe于1999年首次提出[5?6]，此方法对检测目标的旋转、尺度缩放、视角变化及亮度变化具有良好的不变性，并对遮挡和噪声也有很好的鲁棒性。匹配点多而且稳定也是该算子的一个重要特点。由于SIFT在用于摄像机运动参数求解时运算量较大，难以达到实时性的要求，因此，本文针对实时性检测的需要，在SIFT算法的基础上加以改进，提出了基于预测的SIFT特征点匹配算法，可以实时快速地检测出运动目标。 　　1 SIFT特征点 　　SIFT算法是一种提取局部特征的算法，该算法的主要思想就是在图像中提取出特征点，使图像的匹配转化为特征点向量的相似性度量。SIFT