基于卡尔曼滤波和SIFT特征的运动目标跟踪

摘要

基于图像处理技术的交通监控系统能实时反应道路状况和车流信息,系统使用和维护费用相对较低,可广泛应用于路况复杂区域和交叉道口的监控。本文提出了一种基于卡尔曼滤波的多特征匹配的运动目标跟踪。该方法首先基于高斯差分图像金字塔提取出目标的SIFT特征点,根据该特征点在图像中进行目标检测,获取目标中心,再根据目标在下一帧的卡尔曼位置设置预测区域,在该搜索区域内结合目标中心和SIFT特征选取最匹配的目标进行跟踪,同时以该位置作为观测值,对卡尔曼滤波参数进行优化。实验结果表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,并且具有较好的实时性和鲁棒性。