基于SIFT特征匹配与K-均值聚类的运动目标检测

作者：李广; 冯燕

来源：计算机应用, 2012, (10): 2824-2826.

• 视频监控
• 运动摄像机
• 运动目标检测
• 尺度不变特征变换特征
• K-均值聚类 video surveillance
• moving camera
• moving object detection
• Scale Invariant Feature Transform(SIFT) feature
• K-means clustering

运动摄像机情况下的运动目标检测是视频监控中的难点和热点问题。为了能够有效地检测出运动目标,根据视频中背景与运动目标的速度不同这一特点,提出了一个基于尺寸不变特征变换(SIFT)和K-均值聚类的运动目标检测方法。首先提取视频中相邻两帧图像的SIFT特征点并进行匹配,并计算匹配特征点的运动速度,最后将运动目标和背景上的SIFT特征点K-均值聚类分析,在单运动目标、多运动目标和带有摄像头旋转情况下做了实验。实验结果表明,提出的目标检测算法能够在运动背景下较好地检测到目标并保留稳定的目标局部特征,对于摄像机运动、摄像机旋转、亮度变化等影响因素具有较强的适应能力。

• 出版日期2012
• 单位西北工业大学