飞行蝙蝠标记自动提取与追踪算法

杨煦^1a(),陈辉^1,a*(),林游思²,屠长河^1b

1a. 山东大学信息科学与工程学院, 山东 青岛 266237
1b. 山东大学计算机科学与技术学院, 山东 青岛 266237
2. 弗吉尼亚理工大学电子计算与工程学院, 弗吉尼亚州 黑堡, 24060

收稿日期:2018-04-18出版日期:2019-04-20发布日期:2019-04-19
通讯作者:陈辉E-mail:yxpeiyang@gmail.com;huichen@sdu.edu.cn
作者简介:杨煦(1991—)，男，河南商丘人，硕士，研究方向为计算机视觉. Email: yxpeiyang@gmail.com
基金资助:国家自然科学基金重点项目(61332015);国家自然科学基金重点项目(11574183);山东省自然科学基金项目(ZR2017MF057)

Automatic landmarks identification and tracking of bat flight

Xu YANG^1a(),Hui CHEN^1,a*(),Yousi LIN²,Changhe TU^1b

1a. School of Information Science and Engineering, Shandong University, Qingdao 266237, Shandong, China
1b. School of Computer Science and Technology, Shandong University, Qingdao 266237, Shandong, China
2. Bradley Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg 24060, USA

Received:2018-04-18Online:2019-04-20Published:2019-04-19
Contact:Hui CHEN E-mail:yxpeiyang@gmail.com;huichen@sdu.edu.cn

Supported by:国家自然科学基金重点项目(61332015);国家自然科学基金重点项目(11574183);山东省自然科学基金项目(ZR2017MF057)

摘要/Abstract

摘要： 蝙蝠对仿生扑翼飞行器研究具有重要启发价值。通过计算机视觉方法分析蝙蝠运动需要大量特征标记,因此准确提取、追踪标记是蝙蝠飞行研究的关键。常用的底层特征提取方法将局部极值作为特征点容易导致较高的标记错检率。提出一种基于图像分割的标记提取方法。通过帧间差分获取初始蝙蝠区域,对伪装区域进行补偿,利用LoG算子进行标记增强,并通过阈值分割得到标记,计算标记质心作为特征点。提出一种基于迭代最近点的标记追踪方法,将蝙蝠划分为不同区域并对区域内标记点进行点集粗配准,通过最近邻搜索完成匹配。试验结果表明,算法的标记识别率能够达到96%并实现无遮挡情况的标记追踪,优于SIFT、BRISK等特征匹配方法以及光流追踪方法。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1811