基于GMS与FPME的视频目标跟踪方法

TN919; 针对视频目标跟踪中因特征点误匹配造成跟踪性能下降的问题,在融合二进制特征描述算法(ORB)与网格统计的视频跟踪方法(GMS)框架下,提出一种基于GMS与特征点误匹配剔除(FPME)的视频目标跟踪方法.利用ORB算法确保在视频序列中特征点匹配的实时性,采用"粗-精"两阶段的剔除方法,即先利用K-means算法快速粗略地剔除误差较大的特征点匹配关系,提高正确匹配对所占的比例,再利用分裂法精确剔除偏离程度较大的匹配对,提高目标特征点之间的匹配成功率.实验结果表明,在视频序列的跨帧匹配与连续跟踪实验中,该方法相对于GMS、ASLA、HDT等当前主流算法在匹配精度、速度...

Full description

Saved in:
Bibliographic Details
Published in计算机工程 Vol. 47; no. 7; pp. 226 - 231
Main Authors 张海涛, 秦鹏程
Format Journal Article
LanguageChinese
Published 辽宁工程技术大学软件学院,辽宁葫芦岛125105 2021
Subjects
误匹配
K-means算法
特征点
视频目标跟踪
分裂法
Online AccessGet full text
ISSN1000-3428
DOI10.19678/j.issn.1000-3428.0058428

Cover

More Information
Summary:TN919; 针对视频目标跟踪中因特征点误匹配造成跟踪性能下降的问题,在融合二进制特征描述算法(ORB)与网格统计的视频跟踪方法(GMS)框架下,提出一种基于GMS与特征点误匹配剔除(FPME)的视频目标跟踪方法.利用ORB算法确保在视频序列中特征点匹配的实时性,采用"粗-精"两阶段的剔除方法,即先利用K-means算法快速粗略地剔除误差较大的特征点匹配关系,提高正确匹配对所占的比例,再利用分裂法精确剔除偏离程度较大的匹配对,提高目标特征点之间的匹配成功率.实验结果表明,在视频序列的跨帧匹配与连续跟踪实验中,该方法相对于GMS、ASLA、HDT等当前主流算法在匹配精度、速度等评价指标上都能得到较好的结果.
ISSN:1000-3428
DOI:10.19678/j.issn.1000-3428.0058428