视频中基于场景变化分类的在线SURF特征匹配

摘要 视频序列中，场景经常会出现复杂变化，如尺度、旋转、光照、遮挡等，对感兴趣区域内的局部特征检测和匹配提出了挑战，传统的基于局部特征描述子的静态匹配方法难以适应和满足要求.针对以上问题提出一种自适应复杂场景变化的在线SURF特征匹配方法.用分类的理念对SURF特征进行匹配，并引入可在线学习的分类器；同时，对复杂场景进行分类，并对SURF特征在特定场景变化下的不变性进行研究，实现动态聚类；最后结合聚类的权重进行非均衡采样的RANSAC，求解运动参数，进行在线更新.实验部分将算法应用到视频目标跟踪中，结果证明该方法在复杂的场景变化下具有较好的鲁棒性和准确性