基于简化Sift与Mean-shift跟踪算法研究的中期报告.docxVIP

基于简化Sift与Mean-shift跟踪算法研究的中期报告

一、摘要

本文主要介绍基于简化Sift与Mean-shift跟踪算法的研究，首先对Sift算法与Mean-shift算法进行介绍，然后结合图像跟踪的需求，提出了一种简化Sift算法，从减少计算时间、有效降低维度两个方面进行优化，最后结合Mean-shift算法进行跟踪。实验结果表明，该算法具有较好的跟踪效果，并且在运算速度方面也有了明显提升。

二、研究背景与意义

图像跟踪技术是一项重要的计算机视觉应用技术，具有广泛的应用前景。目前，Sift算法与Mean-shift算法是两种常用的图像跟踪方法。Sift算法具有很高的识别准确度，但需要耗费较长的计算时间。Mean-shift算法可以较快地完成跟踪过程，并且对比Sift算法具有较低的计算负担，但在样本表达上有所不足。

为了兼顾Sift算法与Mean-shift算法优点，提出了一种简化Sift算法，并结合Mean-shift算法进行跟踪。通过减少计算时间、有效降低维度，保持较高的识别准确度，保证算法跟踪效果的同时明显提升运算速度，满足实际应用需求，具有一定的理论与实际研究意义。

三、研究内容

1.Sift算法介绍

Sift算法是由Lowe在1999年发明的，具有良好的尺度不变性和旋转不变性等特性，被广泛应用于图像识别、跟踪等领域。该算法需要通过对图像进行多级不同尺度下