基于视差和SIFT的双目视觉移动目标识别和追踪的研究

J4 ›› 2015, Vol. 37 ›› Issue (10): 1947-1951.

基于视差和SIFT的双目视觉移动目标识别和追踪的研究

胡涛，朱黎，郑明辉，毛雷

（湖北民族学院信息工程学院，湖北恩施 445000）

收稿日期:2015-07-20 修回日期:2015-09-25 出版日期:2015-10-25 发布日期:2015-10-25
基金资助:
湖北省自然科学基金资助项目（2015CFC782）；湖北省教育厅科研计划资助项目（Q20131904）；文化部科技提升计划资助项目（201307）；国家自然科学基金资助项目（61562025）

Research on identifiying and tracking of moving objects
in binocular vision based on disparity computing and SIFT

HU Tao,ZHU Li,ZHENG Minghui,MAO Lei

(School of Information Engineering,Hubei University for Nationalities,Enshi 445000,China)

Received:2015-07-20 Revised:2015-09-25 Online:2015-10-25 Published:2015-10-25

摘要/Abstract

摘要：

开展基于视差和尺度不变特征变换（SIFT）的双目视觉移动目标识别和追踪的研究。首先采用基于梯度的立体匹配算法得到较准确的左右视图视差映射，其次通过视差映射提高基于SIFT特征的左右视图运动目标的匹配精度，最后利用视差映射和区域增长的方法相结合分别在左右视图完成运动目标的追踪。实验结果表明，基于视差信息和SIFT的双目视觉移动目标识别与追踪算法具有很好的准确性，能够在连续视频中完成左右视场中对同一物体的追踪。

关键词: 视差立体匹配, 尺度不变特征变换, 目标识别, 物体追踪, 区域增长

Abstract:

In this paper, we proposed a method for identifying and tracking moving objects in binocular vision based on disparity computing and ScaleInvariant Feature Transform (SIFT) . Firstly, we employ the gradientbased stereo matching algorithm to construct the disparity mapping between the left and the right views. Based on SIFT feature matching, the disparity mapping is applied to improve the object matching accuracy in binocular vision. The disparity mapping and regional growth are used to track moving objects in the left and right views respectively. Experimental results show that of the proposal has higher accuracy and can track the same object in the left and right views of a video.

Key words: disparity stereo matching;scale-invariant feature transform(SIFT);target recognition;object tracking;regional growth

胡涛，朱黎，郑明辉，毛雷. 基于视差和SIFT的双目视觉移动目标识别和追踪的研究[J]. J4, 2015, 37(10): 1947-1951.

HU Tao,ZHU Li,ZHENG Minghui,MAO Lei. Research on identifiying and tracking of moving objects
in binocular vision based on disparity computing and SIFT [J]. J4, 2015, 37(10): 1947-1951.

[1]	何涛, 施慧莉, 李大亮. 基于深度学习的SAR目标识别DSP设计[J]. 计算机工程与科学, 2022, 44(08): 1357-1363.
[2]	李伟生，陈曦. 一种结合显著性检测与词袋模型的目标识别方法[J]. 计算机工程与科学, 2017, 39(09): 1706-1713.
[3]	张善文，张云龙，尚怡君. 基于判别局部保持映射算法的飞机目标识别方法[J]. J4, 2013, 35(6): 118-122.
[4]	谭志国1,鲁敏1,胡延平2,郭裕兰1,庄钊文1. 基于点云-模型匹配的激光雷达目标识别[J]. J4, 2012, 34(4): 32-36.
[5]	吴士林1,2,3,4，朱枫1,3,4. 自然场景中多类目标识别的算法研究[J]. J4, 2012, 34(3): 91-95.
[6]	陈雪松,徐学军. 一种二值图像特征提取的新理论[J]. J4, 2011, 33(6): 31-36.
[7]	郭军, 赵和鹏, 朱长仁. 一种基于自适应权值灰关联分析的毫米波/红外融合识别方法[J]. J4, 2010, 32(2): 146-149.
[8]	袁见李国辉徐新文. 基于倒谱分析的被动水声目标原始信号重构方法[J]. J4, 2007, 29(8): 140-143.
[9]	梅雪林锦国. 基于图像边缘小波矩和支持向量机的目标识别[J]. J4, 2006, 28(7): 60-61.
[10]	李科[1,2] 王润生[2] 王程[2]. 一种用于飞机型号识别的树分类器方法[J]. J4, 2006, 28(11): 136-139.
[11]	洪宇高广珠余理富何智勇. 随机边缘特征匹配在运动车辆跟踪算法中的应用[J]. J4, 2005, 27(3): 35-37.