孙浩，王朋

（山东交通学院 信息科学与电气工程学院，济南 250357）

基于特征的图像匹配算法越来越受到人们的青睐，特别是在视觉SLAM（Simultaneous Localization and Mapping）［1］和视频监控领域更是成为了一项关键技术。随着多媒体信息技术的发展，视频监控技术被用于公共区域的视频监控，以提高公共区域的管理和监控能力。在公共区域视频监控系统的设计中，需要对公共区域的视频监控图像进行准确的检测和监控，提取公共区域视频监控的目标特征，提高公共区域的管理能力，消除公共区域的危险性。在公共区域除害追踪监测方法的研究上具有十分重要的意义，而且在公共安全管理和刑事侦察领域具有良好的应用价值［2］。根据图像匹配方法的基本思想可将图像匹配方法分成两大类，即基于区域的匹配方法和基于特征的匹配方法。两类方法相比而言，基于特征的匹配方法有计算量小、鲁棒性好、对图像形变不敏感等优点，所以基于特征的匹配方法成为目前研究的热点。基于特征的图像匹配方法主要包括3步：特征提取、特征描述和特征匹配。当前常见的特征点提取算法有SIFT（Scale Invariant Feature Transform）［3］、SURF（Speeded-Up Robust Features）［4］以及ORB（Oriented FAST（Features from Accelerated Segment Test） and Rotated BRIEF（Binary Robust Independent Elementary Features））［5］。

ORB算法由Rublee等在2011年提出［6］，该算法通过FAST［7］算法提取特征点，通过BRIEF［8］计算得到描述子，使得系统对于噪声具有更高的鲁棒性。与之前的算法相比，ORB算法在计算速度上具有绝对的优势，在计算速度上是SURF的10倍，是SIFT的100倍［9］，能满足实时性要求，但是其鲁棒性不如SIFT，且不具备尺度不变性，在图像匹配中容易造成误匹配［10］。……