[發(fā)明專利]一種基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410203353.1
• 申請(qǐng)日: 2014-05-14
• 公開（公告）號(hào): CN103985138A
• 公開（公告）日: 2014-08-13
• 發(fā)明（設(shè)計(jì)）人: 胡伏原;董治方;凌燕
• 申請(qǐng)（專利權(quán)）人: 蘇州盛景空間信息技術(shù)有限公司
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20;G06T7/00
• 代理公司: 蘇州慧通知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32239
• 代理人: 安紀(jì)平

1.一種基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，該算法包括如下步驟：

1)讀入序列圖像文件；

2)提取前三幀圖像的SIFT特征點(diǎn)；

3)創(chuàng)建SIFT特征點(diǎn)跟蹤序列；

4)更新跟蹤特征點(diǎn)的Kalman模型；

5)Kalman預(yù)測特征點(diǎn)位置；

6)預(yù)測位置是否超出圖像邊界；

7)讀入下一幀圖像；

8)結(jié)束跟蹤該點(diǎn)；

9)預(yù)測位置進(jìn)行SIFT點(diǎn)匹配；

10)更新特征點(diǎn)坐標(biāo)；

11)更新特征點(diǎn)的跟蹤序列。

2.根據(jù)權(quán)利要求1所述的基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，所述步驟2)為讀取前三幀圖像，對(duì)每幀圖像分別進(jìn)行SIFT特征點(diǎn)提取并生成128維描述符。

3.根據(jù)權(quán)利要求2所述的基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，所述步驟3)根據(jù)描述符向量間的歐式距離及Ratio比值法進(jìn)行幀到幀間的SIFT特征點(diǎn)匹配，然后根據(jù)第一幀到第二幀的匹配關(guān)系及第二幀到第三幀的匹配關(guān)系將匹配點(diǎn)對(duì)組成跟蹤序列。

4.根據(jù)權(quán)利要求1所述的基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，所述步驟5)假設(shè)沒有外部控制，根據(jù)公式3預(yù)測下一幀特征點(diǎn)的狀態(tài)向量，公式3如下：

xk-=Fxk-1+Buk-1+wk]]>

Pk-=FPk-1FT+Qk-1]]>

其中Q_k-1是過程噪聲w_k的協(xié)方差矩陣；然后根據(jù)公式2即可計(jì)算下一幀特征點(diǎn)坐標(biāo)位置，公式2如下：

z_k＝H_kx_k+v_k

其中x_k為狀態(tài)向量，z_k為向量測量值，H_k表征狀態(tài)向量與測量向量間關(guān)系的矩陣；v_k為測量誤差。

5.根據(jù)權(quán)利要求1所述的基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，所述步驟6)為判斷特征點(diǎn)的預(yù)測位置是否超出圖像邊界，如果超過邊界，則說明該點(diǎn)在當(dāng)前幀已經(jīng)消失，則執(zhí)行第8)步操作；若未超出邊界，則說明該點(diǎn)在當(dāng)前幀仍然存在，需要繼續(xù)跟蹤。

6.根據(jù)權(quán)利要求1所述的基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，所述步驟9)為在預(yù)測位置周圍區(qū)域內(nèi)進(jìn)行SIFT點(diǎn)匹配。

7.根據(jù)權(quán)利要求6所述的基于Kalman濾波器的長序列圖像SIFT特征點(diǎn)跟蹤算法，其特征在于，所述步驟10)為利用Kalman的更新策略，公式如下：

Kk=Pk-HkT(HkPk-HkT+Rk)-1]]>

xk=xk-+Kk(zk--Hkxk-)]]>

Pk=(I-KkHk)Pk-]]>

其中R_k是測量誤差v_k的協(xié)方差矩陣，將步驟9)中得到的SIFT點(diǎn)坐標(biāo)測量值進(jìn)行更新。