基于图像配准坐标定位的目标跟踪方法

摘 要

SIFT算法在图像配准方向得到了较为成熟的应用，本文通过优化高斯金子塔，降低了SIFT算法的计算复杂度，保证了算法的实时性。使用SIFT算法匹配中的坐标位移变换来确定跟踪方位，实现对目标的跟踪。实验结果表明，基于图像配准坐标定位（Coordinate Based on SIFT， 简称C-SIFT算法）的目标跟踪方法具有较好的实时性。

【关键词】尺度不变 目标跟踪 图像配准 坐标定位

1 引言

近年来，目标跟踪在计算机视觉领域的应用越来越广泛，如在交通系统，导航系统，军事领域都得到了较好的应用。本文提出了一种新的跟踪方法，首先优化对SIFT算法，提高算法的运行效率，最后使用SIFT算法匹配中的坐标位移变换来确定跟踪方位。

2 SIFT算法

2.1 生成尺度空间与极值点检测

在图像处理学中，二维高斯函数的定义为： 一副图像的尺度由高斯函数与输入图像相卷积得到：

是尺度坐标。

SIFT算法使用一种多级多层的金字塔图像结构（如图1），上一级金字塔的采样频率是下一级的一半。相邻尺度的高斯图像相减后得到差分高斯金字塔：

使用差分金字塔的作用是可简化计算量，也可图像进行了平滑。

2.2 检测空间极值点与关键点方向分配

每一个采样点都与其自身层及上下层的每一个点（9*2+8个）进行像素值相比，将极值点作为关键点，利用关键点周围像素的梯度方向特征为每个关键点指定方向值，这样，算子具备了转不变性。

（4） （5）

式（4）为点（x， y）处梯度的模值， 式（5）为点（x， y）处的方向。（L为每个关键点的尺度）

3 改进的SIFT算法

改进的目的是为了提高SIFT算法的匹配速度，将5层高斯金字塔减少为4层，目的是为了降低关键点重复比较，精度上降低后，将进行失真点舍弃处理，关键点的比较时由传统的三层中心点比较法改进为外围扩散比较法。

3.1 改进后的SIFT算法

简化的SIFT算法的步骤为：将原始图像像素值同值插入放大2倍，再将逐次降2采样，这样就得到了4副（4层）图片，4层图片相邻两层相减得到（3层），然后对三层图片比较极值。之后一组图片为其上一组图片最上一层降2采样得到，进行迭代式比较，得到极值点作为关键点。

3.2 改进算法的空间极值点检测

改进的SIFT算法首先从中心点开始与它外围点进行比较，比中心点值更大的点作为新的中心点，这样递归进行比较，记住每一个中心点的坐标，最后根据匹配精度选取值最大的极值点。

3.3 算法描述子的生成

以关键点的方向为坐标轴，以确保旋转不变性。为提高匹配的速度，在改进的算法中只提取2*2=4个种子点。通过上述方法对图像的关键点进行检测，每个关键点含三个要素：方向、位置、所处尺度，关键点所处的位置坐标依次记为。

4 基于改进算法的匹配及失真点检测

4.1 构建特征库及k-d匹配树

对目标提取的SIFT特征如图2所示，图中每一个“十”字形代表一个特征点。

在改进的SIFT算法中，将k-d树定义为：设定一个K维空间， R为定义域，D为值域，设定E为K维空间R×D中采样点的集合，设定目标点向量为d，则d的最邻近点和次邻近点必须满足： ，为两个向量的欧氏距离，即， 和为两个向量的第i维元素，计算E中全部点与d的欧氏距离，时间复杂度为O（n），N为E中点的数量。使用基于K维树的最邻近点搜索算法，可降低时间复杂度为。

4.2 失真点检测

第3节已经使用了C-SIFT算法进行特征提取，得到每个特征点的坐标。对于下一帧图像使用SIFT算法依照上一帧图像的特征信息进行K维树匹配，匹配坐标为。提取第一幅图像中的一个关键点，计算出与第二副图像中欧式距离最近的两个关键点，将两个欧式距离相除（小值除以大值），与某个比例阈值比较（阈值大小根据实验情况进行调整），如果小于阈值，则接受这一对匹配点。降低阈值，可减少SIFT匹配点数，同时也减小了失真匹配。

如果所有配对点不失真，则，

所以存在失真配对时其坐标差大于或小于正常的坐标差。令M为前后两帧所有匹配关键点的坐标差的均值，即，可以假定M为不失真标准坐标差，如存在错误配对，则必存在，而假定为不失真点，则等于零或者趋近于零，即。

将中值最大的个点视为失真点舍弃，这样便保证去除了错误匹配。

5 跟踪算法及实验结果分析

5.1 跟踪算法的实现

跟踪算法步骤为：

（1）读取视频流中的N帧图像。

（2）提取每间隔K=kt（0s

（3）当前帧和其下一帧使用快速SIFT算法进行匹配，得到特征点及配对点。

（4）选取n对匹配点，求得，将中值最大的个点视为失真点舍弃。

（5）确定跟踪框移动方向为，。

（6）将下一帧作为当前帧，转至第2步。

5.2 实验结果及分析

该跟踪方式为半自动跟踪方式，先框选跟踪目标，再实现自动跟踪。

6 结论

本文是基于图像配准算法来实现对运动目标的跟踪，通过降低匹配精度来提高匹配速度，之后使用匹配坐标差检测失真点，这样基本舍弃了错误配对，又提高了匹配精度。实验结果表明，基于改进的SIFT算法（C-SIFT算法）可实现对目标的实时跟踪，能取得较好的跟踪效果，同时也在旋转，缩放上也保持了一定的稳定性。

参考文献

[1]David G Lowe，Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision，2004， pp.91-110.

[2]Edward H.S.Lo， Mark R，Pickering， Michael R，Frater.Image segmentation from scale and rotation invariant texture features from the double dyadic dual-tree complex wavelet transform[J].Image and Vision Computing， 2011，pp.15-28.

[3]Dominik Sierociuk， Inés Tejado and Blas M， Improved fractional Kalman filter and its application to estimation over lossy networks[J].Advances in Fractional Signals and Systems，2011， pp.542-552.

[4]Qu Wang， Liang Lei， Bo Wang， Shift-and scale-invariant pattern recognition using morphological fringe-adjusted joint transform correlation[J].Optics & Laser Technology.2010 ，pp.1084-1092.

[5]Ukita N， Mat suyama T， Virtual synchronization for realtime multitarget tracking by asynchronous distributed cameras[J].Computer Vision System Control Architectures，2003，pp.8-14.

[6] Caifeng Shan， Tieniu Tan， Yucheng Wei， Real-time hand tracking using a meanshift embedded particle filter[J].Pattern Recognitionr，2007，pp.1958-1970.

[7] Feng-dong CHEN， Bing-rong HONG， Ze-shu CAI， A moving object tracking method based on active vision system[J].Huazhong Univ. of Sci. & Tech，2008，pp.90-93（In Chinese）.

[8]汪道寅，胡访宇.基于改进SIFT算法的视频序列图像配准[J].无线电工程，2011.

[9]陈京，袁保宗.多视点标定图像的交替迭代度量重建方法[J].北京交通大学学报，2012.

[10]袁杰.基于SIFT的图像配准与拼接技术研究[D]，南京：南京理工大学，2013.

作者单位

华中光电技术研究所-武汉光电国家实验室 湖北省武汉市 430073