毕业论文移动版

摘要目标追踪技术自20世纪60年代问世以来，广泛地应用于交通、军事以及生物医学等多个领域。国内外学者针对目标追踪，提出了许多优秀的算法，但是由于现实环境存在光照、旋转、噪声等因素的干扰，这些算法往往在实际应用的效果并不理想。因此要在序列图像中实现稳定的追踪，并准确的分析运动目标的相关信息，是一个极具挑战性的课题。本文首先围绕目标追踪介绍了其基本概念，以及现有的追踪系统，同时回顾了经典的追踪算法，然后围绕目标追踪的难点论述了尺度不变特征变换（SIFT）算法，最后实验验证了SIFT算法在目标追踪系统中的性能。80157

毕业论文关键词  目标追踪 尺度不变特征变换 尺度空间 特征点匹配

毕业设计说明书外文摘要

Title  Implementation and application of Scale Invariant Feature Transform (SIFT) Method on Object Tracking System                                                 

Abstract Object tracking is a hot issue in the field of computer vision research。 Since the 1960s when video monitoring technology has come out, object tracking is widely used in transportation, military, and biomedical sciences。 Researchers have proposed many excellent algorithms on target tracking。 However, the performances of these algorithms in real applications are not satisfactory, due to the variations of environment factors such as illumination, rotation, and noise。 It is still a challenging task to track moving objects in videos, and accurately analyze the moving targets information。 This paper firstly introduces the basic concepts of object tracking and the existing tracking systems, and reviews the classic tracking algorithms。 After that, scale invariant feature transform (SIFT) algorithm is discussed, especially the difficulties of target tracking。 Finally, experimental results demonstrate the performance of the object tracking system based on the SIFT algorithm。

Keywords  target tracking SIFT scale space feature points matching

目   次

1  引言 1

1。1  研究背景及意义 1

1。2  国内外研究现状 2

2  目标追踪的主流方法 3

2。1  运动目标的检测 3

2。2  运动目标的跟踪 4

3  尺度不变特征变换算法 7

3。1  尺度空间极值检测 7

3。2  特征点的精确定位 11

3。3  特征点的方向分配 13

3。4  局部图像描述符 14

4  特征点间的匹配 17

4。1  构建KD树 18

4。2  BBF算法 18

4。3  RANSAC算法 19

5  基于SIFT算法目标追踪系统的实现与实验 21

5。1  SIFT算法实现 21

5。2  实验结果与比较 25

结  论 28

致  谢 29

参 考 文 献 30