视频中基于场景变化分类的在线SURF特征匹配

发布时间：2017-09-13 12:25

  本文关键词：视频中基于场景变化分类的在线SURF特征匹配

  更多相关文章： SURF特征 场景变化 动态聚类 在线学习

【摘要】：视频序列中,场景经常会出现复杂变化,如尺度、旋转、光照、遮挡等,对感兴趣区域内的局部特征检测和匹配提出了挑战,传统的基于局部特征描述子的静态匹配方法难以适应和满足要求.针对以上问题提出一种自适应复杂场景变化的在线SURF特征匹配方法.用分类的理念对SURF特征进行匹配,并引入可在线学习的分类器;同时,对复杂场景进行分类,并对SURF特征在特定场景变化下的不变性进行研究,实现动态聚类;最后结合聚类的权重进行非均衡采样的RANSAC,求解运动参数,进行在线更新.实验部分将算法应用到视频目标跟踪中,结果证明该方法在复杂的场景变化下具有较好的鲁棒性和准确性.
【作者单位】： 国家计算机网络应急技术处理协调中心;中国互联网协会;哈尔滨工业大学电子与信息工程学院;
【关键词】： SURF特征 场景变化 动态聚类 在线学习
【基金】：国家自然科学基金项目(61371180)资助
【分类号】：TP391.41
【正文快照】： 1引言局部特征[1]是指在图像区域内检测到的局部具有不变性、可重现性和特异性的特征,能够在一定程度上抵抗遮挡、尺度、旋转等复杂变化,并提供对特征的定量描述.对于局部特征的研究主要包含3个方面:1)局部特征检测,在图像的感兴趣区域内对局部特征进行定位;2)局部特征描述,通，

本文编号：843722