资源描述：
《基于SIFT特征降维视频车辆跟踪探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基于SIFT特征降维视频车辆跟踪探究摘要：针对尺度不变特征变换(SIFT)算法在匹配时特征数量过多导致的耗时过长的问题，该文提出一种基于SIFT和主成分分析(PCA)相结合的SIFT特征降维的视频车辆跟踪算法。首先利用SIFT提取出车辆视频图像帧中的所有特征点及其特征向量，其次使用PCA算法对其维数约减并找出各自的具有代表性的特征参数，达到对特征点向量降维的目的，最后利用欧式距离找出不同车辆图像帧中相似的车辆。实验证明，该算法在保证原SIFT算法鲁棒性、稳定性的同时减少了计算量，增加了匹配效率，增强了实时性。关键词：SIFT；PCA；降维；车辆跟踪中图分类号：TP391文献标识码：A文
2、章编号：1009-3044(2012)16-3954-04VideoVehicleTrackingBasedonDimensionReductionofSIFTFeaturesZHANZhi-cai,HUIHao-tian,ZHANGSong-song(SchoolofComputerScienceandTelecommunicationEngineering,JiangsuUniversity,Zhenjiang212013,China)Abstract：Inthispaper,avideovehicletrackingalgorithmbasedonthecombinationof
3、ScaleInvariantFeatureTransform(SIFT)andPrin?cipleComporientAnalysis(PCA),whichiscalledPCA-SIFT,isproposedtodealwiththeproblemthatalongtimeistakencausedbyex?cessivenumberofcharacteristicsinthematchingwithSIFTalgorithni.Firstly,SIFTisappliedtoextractallthefeaturepointsandvectorsofthevehiclevideoim
4、ageframes,andthenPCAisusedtoreducedimensions,followedbytheidentificationofrepresentativecharacteristicparameterstoachievethepurposeoffeaturedimensionalityreduction.Finally,theEuclideandistanceisappliedtofindsimilarvehiclesinthedifferentvehicleimageframes.TheexperimentalresuItsshowtha/tthealgorit
5、hmproposedinthispaperhasadvantagesofreducingthecostofcomputation,improvingthematchingefficiencyandenhancingthereal-timeperformaneewhilemaintainingtherobustnessandsta?bilityoftheoriginalSIFTalgorithm・Keywords：ScaleInvariantFeatureTransform；PrincipleComponentAnalysis；dimensionalityreduction；vehicl
6、etracking在根据特征值的视频车辆跟踪实现过程中，由于SIFT算法提取视频图像特征点个数不同，特征点向量维数较多，而会使得图像之间的匹配时间较长，该文将PCA引入到SIFT算法中来，利用PCA可将提取数据的主成分而忽略次成分达到不损精度的原理使得SIFT求得的特征描述符的维数从128维进行大幅度降维。通过实验分析，PCA-SIFT算法达到了保留SIFT算法的精确性但又解决了匹配时时间过长的问题，因而可以满足视频车辆跟踪的精确性与实时性的要求。该文中PCA-SIFT算法虽减少了大量的匹配时间，增强了实时性，但在要求实时很高的场景下本算法不能体现很强的优势。因此，在今后的研究中，将针
7、对特征提取算法上进一步的研究，使之有SIFT的准确性，但算法趋于简单的方法。_1]StefanoM,CarlamariaM.Vision-basedbicycleandmotorcycleclassification[J]・PatternRecognitionLetters,2007(28):1719-1726.[2]ZhaoZX,YuSQ,WuXY,etal.Amulti-targettrackingalgorithmusingtexture
