基于KLT算法的图像点特征跟踪开题报告 .pdfVIP

南京邮电大学通达学院毕业设计(论文)开题报告

题目基于KLT算法的图像点特征跟踪

学生姓名班级学号专业自动化

一、设计任务与目标

(1)设计内容：

KLT（Kanade-Lucas-Tomasi）算法是计算机视觉的跟踪算法，通过基于平移模型进行

灰度匹配来实现特征点的跟踪，并进行基于跟踪算法的特征点选择，提高特征点跟踪质量。

通过特征点选择算法在起始图像中选择特征点，然后利用平移模型进行特征点跟踪，对于

第N幅图像上跟踪到的特征点，通过仿射模型进行连续性判断，对跟踪错误的特征点进行

剔除。KLT算法中在研究不同图像之间的匹配问题时，通过计算两个平移窗口的灰度残差，

并寻找最小化残差SSD(sumofsquaredifference)来实现匹配。在优化过程中，KLT算法使

用泰勒展开直接计算平移矢量，而不需要通过遍历进行搜索；同时使用Newton-Raphson

迭代算法来避免泰勒展开带来的误差。

(2)技术要求：

基于KLT算法，研究视频帧图像点特征提取，以及帧之间图像点特征跟踪匹配。利

用真实视频测试算法的可行性。

(3)成果形式：

1、算法编程实现

2、毕设论文

3、外文翻译

(4)毕设任务理解：

随着科学技术的发展，图像点特征跟踪技术在虚拟人物设计诸多方而都有着广泛的应

用，也是计算机图形学领域一个具有挑战性的课题。这其中图像点特征跟踪对于动画人脸

重建、人类感情信息分析、特定人脸的识别等都具有重要的意义。其基本方法是给出了一

个样本图像，它包含着一个特定的目标对象，需要从另一幅包含目标的实际背景图像中寻

找这个目标对象的位置，进行定位，也就是判断这幅背景图像或它的一部分是不是我们所要

寻找的目标，这时就需要用到图像点特征跟踪技术。图像点跟踪技术已经成为现代信息处

理领域中的一项极为重要的技术，在许多领域内有着广泛而实际的应用。因此，做好对图像

点跟踪技术，对推动现代信息处理领域的发展,是密切联系的。

二、阅读文献资料进行调研的综述

图像中场景的移动可以近似为仿射运动模型。视屏图像的移动是比较缓慢的，邻近

帧场景之间的二维平移小。采用将图像按区域分成小块，然后计算块与块之间最大相关的

方法来配准邻近帧的场景。对整个图像来说是由运动目标和运动背景组成的，目标和背景

的运动模型往往不一致。但是对于运动背景，基本可以认为其满足仿射运动模型。因此我

们采用了如下的算法：首先用一段图像来训练得到可信度较高的背景特征点，然后在后续

帧中找到这些背景特征点的对应点。利用二者之间的关系求解仿射运动模型参数(只需要三

个有效点)。我们的算法能轻松求解背景运动估计仿射运动模型参数。

特征点的选取：选用了KLT算子来选取图像中的特征点。KLT算子首先计算每点的矩





阵的特征值，如果min()H(阈值）则该点为有效特征点。矩阵定义为：

1212

IIII



xxxx(1)



IIII

yxyy

I为一阶方向导数，I为一阶方向导数。

xy

xy

背景特征点集合的获取：为了求取背景特征点集合，首先需要去取一段运动目标较少

的阶段对算法进行训练。每帧按照KLT算法提取特征点组成特征点集A[p,pp]，