[發(fā)明專利]一種改進(jìn)核相關(guān)過濾波(KCF)算法的AR目標(biāo)跟蹤方法在審
| 申請?zhí)枺?/td> | 202110507954.1 | 申請日: | 2021-05-11 |
| 公開(公告)號: | CN113284253A | 公開(公告)日: | 2021-08-20 |
| 發(fā)明(設(shè)計(jì))人: | 崔曉云;馬陽妹 | 申請(專利權(quán))人: | 西安郵電大學(xué) |
| 主分類號: | G06T19/00 | 分類號: | G06T19/00;G06T7/246;G06T7/269 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 710061 *** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 改進(jìn) 相關(guān) 濾波 kcf 算法 ar 目標(biāo) 跟蹤 方法 | ||
1.一種改進(jìn)核相關(guān)過濾波(KCF)算法的AR目標(biāo)跟蹤方法,其特征在于,所述方法包括:
視頻圖像預(yù)處理;其中,所述視頻圖像為載入的包含環(huán)境信息數(shù)據(jù)和攝像頭數(shù)據(jù)的視頻;
結(jié)合梯度特征HOG、紋理特征LBP進(jìn)行特征融合,實(shí)現(xiàn)紋理特征和梯度特征互補(bǔ);
基于改進(jìn)特征融合的KCF算法的目標(biāo)區(qū)域跟蹤,增強(qiáng)圖像輪廓信息的捕獲;
利用rBRIEF算法對窗口目標(biāo)和當(dāng)前視頻幀進(jìn)行圖像匹配,確定待注冊的目標(biāo)區(qū)域;
計(jì)算出三維注冊矩陣并疊加虛擬信息完成增強(qiáng)現(xiàn)實(shí)的的三維注冊。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對視頻圖像預(yù)處理中的圖像歸一化處理,包括:
基于預(yù)定規(guī)則將彩色圖像轉(zhuǎn)化為灰度圖像,其中所述圖像為RGB格式。
3.利用Gamma校正法對圖像進(jìn)行歸一化處理。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述像素信息集中的像素點(diǎn)進(jìn)行采集,包括:
按照預(yù)定規(guī)則將原始圖像像素點(diǎn)劃分成第一子集;
按照預(yù)定規(guī)則將匹配圖像像素點(diǎn)劃分成第二子集;
對所述第一子集和所述第二子集,進(jìn)行圖像匹配對應(yīng)。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,對所述rBRIEF算法隨機(jī)采樣一致性算法所述剔除錯(cuò)誤匹配的特征點(diǎn),包括:
采用隨機(jī)采樣一致性算法RANSAC,進(jìn)行誤匹配點(diǎn)剔除。
6.隨機(jī)抽取所述第一子集和所述第二子集中四對匹配點(diǎn),進(jìn)行迭代計(jì)算。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安郵電大學(xué),未經(jīng)西安郵電大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110507954.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種基于KCF的改進(jìn)型抗遮擋目標(biāo)跟蹤方法
- 一種融合卷積神經(jīng)網(wǎng)絡(luò)的核相關(guān)濾波目標(biāo)跟蹤方法
- 融合TLD和KCF的視頻目標(biāo)跟蹤方法
- 基于深度SR-KCF濾波的光學(xué)遙感視頻目標(biāo)跟蹤方法
- 一種基于算法融合的自適應(yīng)、持久的運(yùn)動目標(biāo)識別方法
- 一種焊接螺栓的帶防錯(cuò)檢測下部電極組件
- 基于前景檢測的KCF跟蹤目標(biāo)丟失檢測方法及系統(tǒng)
- 一種基于YOLOv3的空中目標(biāo)跟蹤方法
- 一種基于KCF的無人機(jī)跟蹤方法
- 一種定置物品跟蹤的方法和裝置





