面向增強(qiáng)現(xiàn)實(shí)的目標(biāo)檢測和跟蹤算法研究.pdf

1、目標(biāo)檢測和跟蹤是增強(qiáng)現(xiàn)實(shí)的重要支撐技術(shù)。傳統(tǒng)的目標(biāo)檢測和跟蹤算法并沒有考慮目標(biāo)的射影變換,而是采用仿射變換近似目標(biāo)的幾何形變。而面向增強(qiáng)現(xiàn)實(shí)的目標(biāo)檢測和跟蹤技術(shù)通過目標(biāo)和視頻圖像之間的射影變換,實(shí)時(shí)地計(jì)算出出目標(biāo)在真實(shí)場景中的位置,以確保虛擬物體能夠準(zhǔn)確地疊加到真實(shí)場景中的正確位置。因此,如何精確地求解目標(biāo)的射影變換是本文的研究重點(diǎn)。
　　在傳統(tǒng)算法中,基于SIFT特征匹配的目標(biāo)檢測和跟蹤算法因具有良好的尺度不變性和旋轉(zhuǎn)不變性,已

2、成為當(dāng)今目標(biāo)檢測和跟蹤的主流算法。然而,傳統(tǒng) SIFT特征匹配算法的時(shí)間復(fù)雜度較高,無法滿足增強(qiáng)現(xiàn)實(shí)系統(tǒng)實(shí)時(shí)性的要求。為了改進(jìn)傳統(tǒng)算法耗時(shí)的缺點(diǎn),本文通過改進(jìn)原始算法中耗時(shí)的步驟,提出一種實(shí)時(shí)的基于改進(jìn)SIFT特征匹配的目標(biāo)檢測和跟蹤算法。首先使用AGAST角點(diǎn)檢測算子替代DoG尺度空間極值點(diǎn)檢測算法從而實(shí)現(xiàn)快速提取特征點(diǎn),并通過降低特征描述子向量維數(shù)提高描述子生成速度,最后利用多隨機(jī) K-d樹和漸進(jìn)式抽樣算法(PROSAC)進(jìn)行特征匹