多分辨率LK光流联合SURF的跟踪方法

被引：4

作者：

厉丹 ^{[1
,2
]}

鲍蓉 ^{[2
]}

孙金萍 ^{[2
]}

肖理庆 ^{[2
]}

党向盈 ^{[2
]}

机构：

[1] 徐州工程学院江苏省大型工程装备检测与控制重点建设实验室

[2] 徐州工程学院信电工程学院

来源：

计算机应用 | 2017年 / 37卷 / 03期

关键词：

光流算法; 特征提取; 快速鲁棒性特征; 多分辨率; 目标跟踪;

D O I：

暂无

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用]; TP391.41 [];

学科分类号：

0838 ; 080203 ;

摘要：

针对交通监控中运动目标形变、雾霾天气、高速、光照不均、部分遮挡等复杂情况导致Lucas-Kanade(LK)算法跟踪不稳定问题,提出基于多分辨率LK光流算法联合快速鲁棒性特征(SURF)的跟踪算法。所提算法构建图像多分辨率小波金字塔,解决传统LK算法中同一像素点帧间大尺度运动易丢失问题;同时联合SURF尺度不变特征变换算法,提取特征点进行光流跟踪,并制定自适应模板实时更新策略;在减少光流计算量的同时增强运动目标抗复杂环境的能力。实验结果表明,新方法中特征点匹配准确快速,自适应性强,在交通复杂化境中跟踪稳定。

引用

页码：806 / 810+853 +853

页数：6

共 13 条

[1] 一种持续光流跟踪的运动目标检测方法 [J].

石祥滨 ;

王萌 ;

张德园 ;

黄小水 .

小型微型计算机系统, 2014, 35 (03) :642-647

[2] 全局光流场估计技术及展望 [J].

宋爽 ;

杨健 ;

王涌天 .

计算机辅助设计与图形学学报, 2014, 26 (05) :841-850

[3] 一种高准确率的交通监控视频车辆检测算法 [J].

李乐平 ;

高杨 .

计算机测量与控制, 2015, 23 (03) :852-854+857

[4]

Anomaly detection using motion patterns computed from optical flow. PARVATHY R,THILAKAN S,JOY M,et al. Proceedings of the 2013 Third International Conference on Advances in Computing and Communications . 2013

[5]

Surf:Speeded up robust features. Bay H,Tuytelaars T,Van Gool L. Computer Vision-ECCV 2006 . 2006

[6]

SimpleFlow: A Non‐iterative, Sublinear Optical Flow Algorithm[J] . Michael Tao,Jiamin Bai,Pushmeet Kohli,Sylvain Paris. &nbspComputer Graphics Forum . 2012 (2pt1)

[7]

An iterative image registration technique with an application to stereo vision. Lucas B D,Kanade T. Proceedings of the 7th International Joint Conference on Artificial Intelligence . 1981

[8] 基于计算机视觉的智能交通监控系统 [J].

王为 ;

姚明海 .

浙江工业大学学报, 2010, (05) :574-579

[9]

Determining optical flow. Horn BKP,Schunck BG. Artificial Intelligence . 1981

[10]

An investigation of smoothness constraints for the estimation of displacement vector fields from image sequences. Nagel HH,Enkelmann W. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1986

← 1 2 →