结合SURF与聚类分析方法实现运动目标的快速跟踪

摘要：

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了结合SURF(Speed Up Robust Features)与K-means聚类分析的运动目标快速跟踪算法(SURF-KMs),对图像的局部多尺度特征提取与描述进行了研究.首先,使用SURF算法在跟踪窗口内提取特征点,生成并匹配特征矢量.然后,利用K-means 算法估计目标特征点的质心位置,确定其聚集范围,实时更新窗口尺寸和位置.最后,建立目标模板更新策略,当目标发生形态变化而无遮挡时,更新目标模板.实验结果表明,当目标发生大角度旋转和快速缩放,同时发生颜色变化时,所提出的SURF-KMs算法仍能够实现稳定的跟踪,且满足运动目标实时跟踪的稳定可靠、精确度高、抗干扰能力强等指标要求.

关键词：SURF、聚类分析、运动目标、快速跟踪

所属期刊栏目：26

分类号：TP311(计算技术、计算机技术)

在线出版日期：2012-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：544-550