基于opencv的sift运动目标跟踪
2016-08-23
0 0 0
暂无评分
其他
如何获取积分?
应用背景
SIFT算法是D.G.Lowe[40]于1999年提出的,SIFT算法可分为两个部分:第一部分是生成SIFT特征,即SIFT特征向量提取过程;第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成:计算每个4x4小块上8个方向的梯度方向直方图,并为每个梯度方向做一个累加值,得到一个种子点,如图3.5右图所示。图中每个特征点是由2x2个种子点构成,则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性,每个特征点都通过4x4个种子点来加以描述,这就使得每个特征点都能够生成128个数据,进而形成4x4x8=128维的SIFT特征向量,其中4x4表示16个种子区域,8表示区域的8个方向。
关键技术
(1)SIFT算法是一种基于图像局部特征提取的方法,SIFT特征具有尺度缩放不变性、旋转不变性,对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。(2)高速性,优化的SIFT算法可满足实时性需求。 (3)多量性,SIFT算法可以提取大量的特征点。 (4)可扩展性,SIFT算法可与其他算法相结合。 (5)独特性好、信息量丰富,匹配快速、准确。
经过第一阶段SIFT特征向量生成,第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为:假设两幅待匹配的图像分别为S、T,分别从两幅图中提取SIFT特征点。
c++
opencv
sift
跟踪
基于
目标
运动
相关源码推荐
局部路径规划算法-DWA算法
0
0
暂无评分
enDAQ-Shock-Data-Share-SRS-Blog
0
0
暂无评分
在Windows应用程序里调用chatGPT
0
0
暂无评分
测试Hello world
0
0
暂无评分
单向射线追踪计算RCS
0
0
暂无评分
暂无评论