刘亚伟，李小民

(军械工程学院 无人机工程系，河北 石家庄 050003)

二值特征匹配跟踪算法的快速性和鲁棒性比较

刘亚伟，李小民

(军械工程学院 无人机工程系，河北 石家庄 050003)

针对目标跟踪实时性和鲁棒性问题，提出了基于二值特征匹配的目标跟踪算法。将二值特征匹配算法应用于目标跟踪过程中，对特征匹配算法的实时性进行比较，并在目标被遮挡的情况下对算法的鲁棒性进行测试。实验结果表明，基于二值特征匹配的目标跟踪算法比SIFT(Scale Invariant Feature Transform)和SURF(Speeded Up Robust Feature)快将近3～4倍，而BRISK(Binary Robust Invariant Scalable Keypoint)对目标遮挡问题的鲁棒性最好。

二值特征；遮挡；快速性；鲁棒性

0 引言

随着计算机视觉领域的快速发展，目标跟踪技术受到了各领域的重视并广泛应用于视觉监控、医学和航空等领域。目前常用的目标跟踪算法有MeanShift跟踪算法[1]、Kalman滤波跟踪算法[2]和基于特征点匹配的跟踪算法[3]等。基于特征点匹配的目标跟踪算法由于其独特的性能，受到了广泛的关注。基于特征匹配的目标跟踪算法(例如SIFT、SURF、ORB(Oriented FAST and Rotated BRIEF)[4]、BRISK[5]和FREAK(Fast Retina Keypoint)[6]等)具有对尺度缩放和旋转的不变性，对视角、光照和遮挡具有良好的稳定性。文献[3]将SIFT算法应用到了运动目标的检测和跟踪中；文献[7]将SURF算法应用到了目标跟踪过程中。但是由于SIFT和SURF算法分别采用64维特征向量和32维特征向量进行特征描述，计算复杂，所以导致在跟踪过程中实时性较差[8-9]。而ORB、BRISK和FREAK等基于二值特征的目标匹配算法，由于其采用二进制字符串进行特征描述并使用汉明距离进行特征匹配，使得其运算速度和运算过程中内存占有量都有了明显改善[10-11]。……