基于SURF目标跟踪算法研究

彭欣，刘富强，宋华军

(1.91404部队91分队，秦皇岛 066001；2.中国石油大学(华东) 信息与控制工程学院，东营 257061)

视频运动目标跟踪是计算机视觉、图像处理和模式识别领域里非常活跃的课题。作为计算机视觉研究的热点和难点，国内外很多的人和组织进行了大量的研究[1]。Aristidis Likas等人提出了一种基于卡尔曼滤波和Mean shift的自适应可视目标跟踪方法[2]，使用Meanshift预测目标位置，后使用可更新状态矩阵的Kalman滤波实现目标跟踪；Ta，D.-N.等人研究了一种使用局部特征描述的连续快速目标跟踪识别算法SURFTrack[3]，并试验证明了其在户外进行移动电话跟踪的良好性能；HuiyuZhou等人研究了基于 SIFT特征和均值漂移的目标跟踪，提出了一种优化的相似性搜索函数对复杂背景下的目标跟踪有较好的效果[4]；张锐娟等研究了基于SURF的图像配准[5]，实验证明了SURF特征提取算法的计算量小快速性特点。

由于SURF特征提取算法是当前特征点匹配领域的热点，具有较高的匹配能力，并且当图像发生平移、旋转和仿射变换、光照变换等情况，都具有较高的匹配精度和鲁棒性。本文研究基于SURF特征的目标跟踪算法，同时结合德州仪器公司最高性能的处理器TMS320C6416T的快速数据处理和运算能力，以实现高速度、高精度、具有很强鲁棒性的视频目标跟踪。

1 SURF特征匹配算法

SURF(Speed Up Robust Features)[6]特征是一种图像的局部特征，当目标图像发生旋转、尺度缩放、亮度变化时，具有保持不变性，并且对视角变化、仿射变换和噪声等也具有保持一定程度的稳定性。

SURF特征提取算法的流程主要包括：特征点检测、特征点描述和特征点匹配三部分。……