基于SIFT特征的粒子群优化的视觉跟踪算法

摘要：

　　提出了一种基于SIFT(scale invariant feature transform)特征的表观模型更新的粒子群优化(particle swarm optimization,PSO)跟踪算法。与现有的跟踪方法不同,该算法将当前帧检测到的SIFT特征与最近更新的目标模板相匹配,估计目标的位置,然后把此位置信息融入到PSO的结果中以得到更加精确的位置估计,并把其作为新的目标模板,从而更加鲁棒地应对表观模型的更新问题。实验结果表明,提出的SIFT-PSO算法在目标发生大的运动变化和局部遮挡条件下仍然能够可靠地跟踪目标。

关键词： 信息处理 视觉跟踪 表观模型 粒子群优化

作者: CHENG Xu 程旭 LI Ni-jun 李拟珺 WU Zhen-yang 吴镇扬

作者单位: School of Information Science and Engineering, Southeast University, Nanjing 210096, P. R. China 东南大学 信息科学与工程学院,江苏 南京 210096

会议类型: 国内会议

会议名称: 2012年全国通信理论和信号处理学术年会

会议地点: 重庆

会议语种:中文

页码: 652-656

在线出版日期: 2012-10-27（万方平台首次上网日期，不代表论文的发表时间）