一种基于图像匹配的地面交通标志实时识别方法-论文

第４１卷第６期　２０１４年６月　计算机科学　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　一Ｖｏ１．４１　Ｎｏ．６　Ｊｕｎｅ　２０１４　种基于图像匹配的地面交通标志实时识别方法　王棚飞刘宏哲袁家政陈丽　（北京市信息服务工程重点实验室北京联合大学　北京ｉ００１０１）　摘要地面交通标志检测识别是智能驾驶领域的一个研究方向，实时性、准确率是该研究的重点。图像匹配的方法　是常用的模式识别方法。文中介绍了一种结合先验知识和图像匹配的地面交通标志检测识别方法。算法包括两部　分：预处理和检测识别。预处理阶段包括图像压缩、感兴趣区域提取、形态学处理、中值滤波和逆透视等步骤，实现图　像降噪和正畸，为检测识别做准备。检测识别阶段包括轮廓提取、面积过滤、图像匹配等步骤，目的是判断待测图像是　否含有地面交通标志及其种类。实验证明，该算法实时性好、鲁棒性强、准确率高。　关键词地面交通标志，检测，图像匹配，识别　中图法分类号ＴＰ３９１　文献标识码Ａ　Ｍｅｔｈｏｄ　ｏｆ　Ｒｅａｌ　Ｔｉｍｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　Ｇｒｏｕｎｄ　Ｔｒａｆｆｉｃ　Ｓｉｇｎｓ　Ｂａｓｅｄ　ｏｎ　Ｉｍａｇｅ　Ｍａｔｃｈｉｎｇ　ＷＡＮＧ　Ｐｅｎｇ－ｆｅｉ　ＬＩＵ　Ｈｏｎｇ－ｚｈｅ　ＹＵＡＮ　Ｊｉａ－ｚｈｅｎｇ　ＣＨＥＮ　Ｌｉ　（Ｂｅｉｊｉｎｇ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｅｒｖｉｃｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｇ　Ｕｎｉｎｏｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｇ　１００１０１，Ｃｈｉｎａ）ｎ　Ａｂｓｔｒａｃｔ　Ｇｒｏｕｎｄ　ｔｒａｆｆｉｃ　ｓｉｇｎ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｒｅ　ｔｈｅ　ｈｏｔｓｐｏｔ　ｏｆ　ｔｈｅ　ｉｎｔｅｌｌｉｇｅｎｔ　ｄｒｉｖｉｎｇ．Ｔｉｍｅｌｉｎｅｓｓ　ａｎｄ　ａｃｃｕｒａ—　ｃｙ　ａｒｅ　ｔｈｅ　ｒｅｑｕｉｒｅｍｅｎｔｓ　ｏｆ　ｔｈｅ　ｓｔｕｄｙ．Ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｍｅｔｈｏｄ　ｉｓ　ｃｏｍｍｏｎｌｙ　ｕｓｅｄ　ｉｎ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｔｈｉｓ　ａｒｔｉ－　ｃｌｅ　ｉｎｔｒｏｄｕｃｅｄ　ａ　ｍｅｔｈｏｄ　ｆｏｒ　ｇｒｏｕｎｄ　ｔｒａｆｆｉｃ　ｓｉｇｎ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ａｎｄ　ｐｒｉｏｒ　ｋｎｏｗ－　ｌｅｄｇｅ．Ａｌｇｏｒｉｔｈｍ　ｃｏｎｓｉｓｔｓ　ｏｆ　ｔｗｏ　ｐａｒｔｓ．ｐｒｅｐｒｏｃｅｓｓｉｎｇ＆ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｉｄｅｎｔｉｉｃａｔｉｆｏｎ．Ｐｒｅｐｒｏｃｅｓｓｉｎｇ　ｓｔａｇｅ　ｉｎｃｌｕｄｅｓ　ｉｍａｇｅ　ｃｏｍｐｒｅｓｓｉｏｎ，ｒｅｇｉｏｎ　ｏｆ　ｉｎｔｅｒｅｓｔ　ｅｘｔｒａｃｔｉｏｎ，ｍｏｒｐｈｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓｉｎｇ，ｍｅｄｉａｎ　ｆｉｌｔｅｒｉｎｇ　ａｎｄ　ｉｎｖｅｒｓｅ　ｆｉｌｔｅｒｉｎｇ　ｐｅｒｓｐｅｃｔｉｖｅ，　ａｋｉｍｎｇ　ｉｍａｇｅ　ｎｏｉｓｅ　ｒｅｄｕｃｅｄ　ａｎｄ　ｏｒｔｈｏｄｏｎｔｉｃ　ＳＯ　ａｓ　ｔＯ　ｔＯ　ｐｒｅｐａｒｅ　ｆｏｒ　ｔｈｅ　ｄｅｔｅｃｔｉｏｎ　ｎｄ　ａｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｉｄｅｎｔｉ—　ｆｉｃａｔｉｏｎ　ｓｔａｇｅｓ　ｉｎｃｌｕｄｅ　ｃｏｎｔｏｕｒ　ｅｘｔｒａｃｔｉｏｎ，ｆｉｌｔｒａｔｉｏｎ　ａｒｅａ，ｉｍａｇｅ　ｍａｓｈｉｎｇ，ｉｎ　ｏｒｃ【ｅｒ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｗｈｅｔｈｅｒ　ｔｈｅ　ｔｅｓｔ　ｉｍａｇｅ　ｃｏｎｔａｉｎｉｎｇ　ｇｒｏｕｎｄ　ｔｒａｆｆｉｃ　ｓｉｇｎｓ　ａｎｄ　ｉｔｓ　ｓｐｅｃｉｅｓ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ａ　ｂｅｔｔｅｒ　ｐｅｒｆｏｒ－ｍａｎｃｅ．　Ｋｅｙｗｏｒｄｓ　Ｇｒｏｕｎｄ　ｔｒａｆｆｉｃ　ｓｉｎ，Ｄｅｔｅｃｔｉｇｏｎ，Ｉｍａｇｅ　ｍａｔｃｈｉｎｇ，Ｉｄｅｎｔｉｉｃａｔｆｉｏｎ　１　引言　伴随着汽车数量的增加，一系列的交通问题、能源问题和　环境问题随之产生。人们对汽车环保性、安全性、智能性提出　了更高的要求，各种新技术不断出现，其中智能交通系统应运　而生。智能交通系统是一个集检测、识别、控制、通信和计算　机等技术为一体的综合信息系统。地面交通标志（导向箭头）　的检测与分类是其研究内容之一ｒ１］。道路标志是重要的交通　安全设施，可以向驾驶员、行人等传递准确的信息，指引车辆　在规定区域内行驶。然而，许多驾驶员可能因各种原因，未及　章很少。　地面交通标志的检测识别通过地面交通标志的形状特征　进行判断，取得了一定的成果［６－８］。通过边缘检测算法识别标　志的边缘，提取能显著代表地面标志的形状特征，从而进行识　别。边缘检测算法中的ｃａｎｎｙ算子，在图像边缘检测中取得　了一定效果［９１１３］，能够有效地检测地面交通标志的边缘。特　征提取方面，地面交通标志的形状信息明显。Ｈｕ不变矩是　模式识别领域常用的信息提取方法，它具有尺度不变性和旋　转不变性［１４－１８］。视频采集设备采集到的地面交通标志，若产　生一定的形状畸变，可以通过提取Ｈｕ不变矩特征来进行识　别。　时留意到道路标志信息，导致道路交通事故的发生［２］。准确　地识别地面交通标志能够减少交通事故的发生。智能化是汽　车发展的新趋势，识别道路标志、障碍物等是其研究重点。地　文献Ｅ６］中，提出了基于Ｈｕ不变矩和轮廓投影的路面标　志识别方法。方法使用７个不变矩作为标志的主要信息，并　使用路面标志在其各轮廓线段方向投影高度和轮廓线段方向　进一步区分轴对称标志。文献Ｅ７］提出了以车道线为标准建　立感兴趣区域，采取边缘检测、特征提取、设计分类器的思路，　面交通标志的准确检测，能够给予智能车准确的引导信息。　地面交通标志属于地谣标线的一部分，对于地面标线的　研究主要集中在车道线方面　，地面交通标志检测识别的文　到稿日期：２０１３—０８—１５返修日期：２０１３一ｌ１一Ｏ２　本文受国家自然基金：跨媒体社群图像语义理解（６１３７２１４８），国家自然基金：基于超图形　ＸＧＭＬ的图像半结构化研究（６１２７１３６９），北京市教育委员会创新团队项目（ＩＤＨＴ２０１４０５０８，ＣＩＴ＆ＴＣＤ２０１３０５１３），北京市教育委员会科技面上　项目：智能车实时交通标志识别关键技术研究（Ｓ（！ＫＭ２Ｏｌ４１１４１７０Ｏ４）资助。　王棚飞（１９８８一），男，硕士生，主要研究方向为数字图像处理，Ｅ－ｍａｉｌ：ｆｅｉｐｅｎｇｗａｎｇ７６７＠１６３．ｃｏｒｎ；刘宏哲（１９７１一），女，博士，副教授，主要研究方　向为语义计算、数字图像处理、分布式系统、人工智能、数字博物馆等，Ｅ－ｍａｉｌ：ｌｉｕｈｏｎｇｚｈｅ（￣ｂｕｕ．ｅｄＬＬ　ｃｎ（通信作者）；袁家政（１９７１一），男，博士，教　授，主要研究方向为图形图像处理、文物遗迹的数字化处理、数字博物馆等。　当车辆以匀速ｖ＿ｓ行驶时，从首次可以检测识别地面交　通标志到车辆无法检测地面交通标志的时间为：　Ｌｓ一（５ｌ＿啪ｘ—　—ｚ）／　．　（３Ｏ）　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｓｙｓｔｅｍｓ，２０１１，１２（１）：８３—９６　Ｅｌ０］Ｃａｏ　Ｙ，Ｉ　ｉｕ　Ｘ，Ｃａｏ　Ｙ，ｅｔ　ａ１．Ａｕｔｏｍａｔｉｃ　Ｓｅｇｍｅｎｔａｔｉｏｎ　ｏｆ　Ｆｅｍｏｒａｌ　Ｃａｒｔｉｌａｇｅ　ｆｒｏｍ　ＭＲ　Ｉｍａｇｅ　Ｂａｓｅｄ　ｏｎ　Ｈｏｕｇｈ　Ｔｒａｎｓｆｏｒｍ　ａｎｄ　Ａ—　结束语基于该算法的软件已经成功应用于北京汽车工　ｄａｐｔｉｖｅ　Ｃａｎｎｙ　ｅｔｅｃｔｉＤｏｎ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｉｇｎａｌ　Ｐｒｏ—　ｅｅｓｓｉｎｇ，Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ＆Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２０１３，６（４）：　２６５　业控股有限责任公司Ｃ７０和Ｃ３０汽车上。成功行驶５００小　时以上，运行稳定，算法鲁棒性强，实时性好。对重度污损的　地面交通标志的识别将是以后研究的重点。　［１１］Ｃｈｅｎ　Ｗ，Ｃａｏ　Ｉ　，Ｘｉａｏ　Ｊ，ｅｔ　ａ１．Ｓｕｒｆａｃｅ　Ｔｅｘｔｕｒｅ　Ｄｅｔｅｃｔｉｏｎ　ｆｏｒ　Ｃｏｍｐｏｓｉｔｅ　Ｍａｔｅｒｉａｌ　Ｐｌａｃｅｍｅｎｔ　Ｂａｓｅｄ　ｏｎ　Ｖｉｓｉｏｎ［Ｊ］．Ａｄｖａｎｃｅｄ　参考文献　［１］李阳，丁辉，王云飞，等．多特征融合的交通标志检测与分类研究　ＥＪ］．光学技术，２０１２，３８（５）：５６４—５６８　ａｔｅｒｉＭａｌｓ　Ｒｅｓｅａｒｃｈ，２０１１，１８６：１６—２０　［１２］Ｇａｏ　Ｊ，Ｌｅｉ　ｚ，Ｗａｎｇ　ｚ，ｅｔ　ａ１．Ｃａｎｎｙ－ｂａｓｅｄ　Ａｃｔｉｖｅ　Ｃｏｎｔｏｕｒ　Ａｃｃｕ—　ｒａｔｅ　Ｌｏｃａｔｉｎｇ［Ｊ］．Ｅｎｅｒｇｙ　Ｐｒｏｃｅｄｉａ，２０１１，１３：４５６２～４５６６　［１３］Ｏｇａｗａ　Ｋ，Ｉｔｏ　Ｙ，Ｎａｋａｎｏ　Ｋ．Ｅｆｆｉｃｉｅｎｔ　Ｃａｎｎｙ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｕｓｉｎｇ　ａ　ＧＰＵ［　ｆ　２０１０　Ｆｉｒｓｔ　Ｉｎｔｅｍａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｔｗｏｒｋｉｎｇ　ａｎｄ　ｏｍｐｕｔｉＣｇ（ＩｎＣＮＣ）．ＩＥＥＥ，２０１０：２７９—２８０　Ｅ２３初秀民，严新平，毛甜．道路标志图案识别方法研究ＥＪ３．汽车工　程，２００６，２８（１１）：１０５１—１０５５　［３］Ｙｅｎｉｋａｙａ　Ｓ，Ｙｅｎｉｌ【ａｙａ　Ｇ，Ｄ￣ｖｅｎ　Ｅ　Ｋｅｅｐｉｎｇ　ｔｈｅ　ｖｅｈｉｃｌｅ　ｏｎ　ｔｈｅ　ｒｏａｄ：Ａ　ｓｕｒｖｅｙ　ｏｎ　ｏｎ－ｒｏａｄ　ｌａｎｅ　ｄｅｔｅｃｔｉｏｎ　ｓｙｓｔｅｍｓ［Ｊ］．ＡＣＭ　Ｃｏｍｐｕｔｉｎｇ　Ｓｕｒｖｅｙｓ（ＣＳＵＲ），２０１３，４６（１）：２　［１４］Ｈｕ　Ｍ　Ｋ．Ｖｉｓｕａｌ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂｙ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ［Ｊ］．　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｈｅｏｒｙ，ＩＲＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ，１９６２，８（２）：１７９—１８７　［１５］Ｗｕ　Ｊ，Ｘｉｏｎｇ　Ｓ　Ｒｅｓｅａｒｃｈ　ｏｆ　ｗｅｂ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｄ　ｅｏｎ　ｈｕ　ｉｎｖａｒｉａｎｔ　ｍｏｍｅｎｔｓ［Ｍ］Ｉｆ　Ａｄｖａｎｃｅｓ　ｉｎ　Ｓｗａｒｍ　Ｉｎｔｅｌ—　ｌｉｇｅｎｃｅ．Ｓｐｒｉｎｇｅｒ　Ｂｅｒｌｉｎ　Ｈｅｉｄｅｌｂｅｒｇ，２０１２：６６—７３　［４］Ｋｕｃｕｋｙｉｌｄｉｚ　Ｇ，Ｏｃａｋ　Ｈ．Ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｄｓｐ　ｂａｓｅｄ　ｒｅａｌ　ｔｉｍｅ　ｌａｎｅ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｏｎ　ａ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｐｌａｔ－　ｆｏｒｍ［ｅｌ　ｆ｝Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｃｏｎｆｅｒｅｎｃｅ（ＳＩＵ），２０１２　２０ｔｈ．ＩＥＥＥ，２０１２：１－４　［１６］Ｘｉａｎｇ　Ｆ，Ｙｏｎｇ　Ｈ，Ｄａｎｄａｎ　Ｓ，ｅｔ　ａ１．Ａｎ　Ｉｍａｇｅ　Ｒｅｔｒｉｅｖａｌ　Ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　Ｈｕ　Ｉｎｖａｒｉａｎｔ　Ｍｏｍｅｎｔ　ａｎｄ　Ｉｍｐｒｏｖｅｄ　Ａｎｎｕｌａｒ　Ｈｉｓｔｏ—　ｒｓ］Ｚｈｏｕ　Ｓ，Ｊｉａｎｇ　Ｙ，Ｘｉ　Ｊ，ｅｔ　ａ１．Ａ　ｎｏｖｅｌ　ｌａｎｅ　ｄｅｔｅｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｇｅｏ—　ｍｅｔｒｉｃａｌ　ｍｏｄｅｌ　ａｎｄ　ｇａｂｏｒ　ｆｉｌｔｅｒ［Ｃ］　｛Ｉｎｔｅｌｌｉｇｅｎｔ　Ｖｅｈｉｃｌｅｓ　Ｓｙｍ—　ｏｓｉｐｕｍ（ＩＶ），２０１０　ＩＥＥＥ．ＩＥＥＥ，２０１０：５９—６４　ｇｒａｍ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃｓ＆Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１３，１９（ｉ０）：　１１４—１１８　［１７］Ｚｈａｎｇ　Ｒ，Ｗａｎｇ　Ｉ　．Ａｎ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｅｖｏｌｕｔｉｏｎａｒｙ　ａｌｇｏｒｉｔｍ　ｈ［６］陈放．道路车道线检测识别与建图方法研究［Ｄ］．上海：上海交　通大学，２０１２　ｂａｓｄ　ｅｏｎ　Ｈｕ　ｉｎｖａｒｉａｎｔ　ｍｏｍｅｎｔｓ［Ｃ］？？２０１１　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎ—　ｆｅｒｅｎｃｅ　ｏｎ　Ｉｍａｇｅ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ（ＩＡＳＰ）．ＩＥＥＥ。　２０１１：１１３—１１７　［７］韩月林．支持向量机在路面交通标志识别中的应用研究［Ｄ］．大　连：大连理工大学，２０１２　［１８］Ｌｉ　Ｃ，Ｌｉ　Ｊ，Ｆｕ　Ｂ，ｅｔ　ａ１．Ｆｉｇｅｒｐｒｉｎｎｔ　Ｖｅｒｉｆｉｃａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　ＤＦＢ　ａｎｄ　［８］方启龙．基于无人车辅助导航的交通标线识别方法研究［Ｄ］．合　肥：安徽大学，２０１２　Ｈｕ　Ｉｎｖａｉｒａｎｔ　Ｍｏｍｅｎｔｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｉｎｆｏｒｍａ—　ｔｉｏｎ　Ｓｙｓｔｅｍｓ，２０１２，８（４）：１４０７－１４１４　［９］ＫｈａｎＪＦ，ＢｈｕｉｙａｎＳＭＡ，ＡｄｈａｍｉＲＲ．Ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎａｎｄ　ｓｈａｐｅ　ａｎａｌｙｓｉｓ　ｆｏｒ　ｒｏａｄ－ｓｉｇｎ　ｄｅｔｅｃｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　［１９］戴斌，裘伟．逆透视投影下车道偏离时间的在线估计口］．计算机　工程与应用，２００７，４３（２１）：２３５—２３８　（上接第２９４页）　［２］Ａｒｉｙｕｒ　Ｋ，Ｆｒｅｇｅｎｅ　Ｋ．Ａｕｔｏｎｏｍｏｕｓ　ｔｒａｃｋｉｇ　ｏｆｎ　ａ　ｇｒｏｕｎｄ　ｖｅｈｉｃｌｅ　ｂｙ　ａ　ＵＡＶＥＣ］　｛　．２００８　ｔ６６９—６７１　ｏｎｉｒｃ　Ｓｃｉｅｎｃｅ，Ｅｌｅｃｔｉｃ　Ｅｎｒｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｃｏｍｐｕｔｅｒ．ｖｏ１．１，２０１１：　９７８——９８１　［８］Ｈｕａｎｇ　Ｙｉ－ｈｕ，Ｗａｎｇ　Ｊｉｎ－ｌｉ，Ｊｉａ　Ｘｉ—ｍｅｉ，ｅｔ　ａ１．Ｒｅｓｅａｒｃｈ　ｏｆ　ｓｏｃｃｅｒ　ｒｏｂｏｔ　ｔａｒｇｅｔ　ｔｒａｃｋｉｇ　ｎａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｉｍｐｒｏｖｅｄ　Ｃａｍ．Ｓｈｉｆｔ［Ｃ］，ｆ　Ａｄｖａｎｃｅｄ　Ｐｏｌｙｍｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｇ．Ａｄｖａｎｃｅｄ　ｎＭａｔｅｒｉａｌｓ　［３］　Ｓｉｖａｋｕｍａｒ　Ｒ，Ｚｕ　Ｗ　Ｋ，Ｒａｊａ　Ｓ　Ｖｉｓｉｏｎ－Ｂａｓｅｄ　ｆｏｌｌｏｗｉｇ　ｏｆｎ　ｓｔｒｕｃ—　ｔｕｒｅｓ　ｕｓｉｎｇ　ａｎ　ｕｎｍａｎｎｅｄ　ａｅｒｉａｌ　ｖｅｈｉｃｌｅ［Ｒ］．ＵＳＡ：ＵＣＢ－ＩＴＳ－ＲＲ－　２００６－１，２００６　Ｒｅｓｅａｒｃｈ，ｖ０１．２２１，２０１Ｉ：６１０—６１４　［４］Ｌｉ　Ｚｈｅ－ｙｕａｎ，ＩＡｕ　Ｈｏｎｇ，Ｘｕ　Ｃｈａｏ，ｅｔ　ａ１．Ｒｅａｌ—ｔｉｍｅ　ｈｕｍａｎ　ｔｒａｃｋ—　ｉｎｇ　ｂａｓｅｄ　ｏｎ　ｓｗｉｔｃｈｉｎｇ　ｌｉｎｅａｒ　ｄｙｎａｍｉｃ　ｓｙｓｔｅｍ　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ａ—　［９］Ｉ．ｏｗｅ　Ｄ　Ｇ．Ｄｉｓｔｉｎｃｔｉｖｅ　ｉｍａｇｅ　ｆｅａｔｕｒｅｓ　ｆｒｏｍ　ｓｃａｌｅ－ｉｎｖａｒｉａｎｔ　ｋｅｙ—　ｏｉｐｎｔｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００４，６０　（２）：９１一Ｉ１０　ｄａｐｔｉｖｅ　Ｍｅａｎｓｈｉｆｔ　ｔｒａｃｋｅｒ［Ｃ］，　２０１１　１８ｔｈ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｇ．２０１　ｎ１：２３２９－２３３２　［１Ｏ］赵辉．基于点特征的图像配准算法研究ＥＤ］．济南：山东大学，　２００６　［５］Ｔｉａｎ　Ｇａｎｇ，Ｈｕ　Ｒｕｉ—ｍｉｎ，Ｗａｎｇ　Ｚｈｏｎｇ－ｙｕａｎ，ｅｔ　ａ１．Ｏｂｊｅｃｔ　ｔｒａｃ－　ｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　Ｍｅａｎｓｈｉｆｔ　ａｌｇｏｒｉｔｈｍ　ｃｏｍｂｉｎｉｇ　ｗｉｎｔｈ　［１１］Ｆｉｓｃｈｌｅｒ　Ｍ　Ａ，Ｂｏｌｌｅｓ　Ｒ　Ｃ．Ｒａｎｄｏｍ　ｓａｍｐｌｅ　ｅｏｎｓｅｎｃｕｓ：ａ　ｐａｒａｄｉｇｍ　ｆｏｒ　ｍｏｄｅｌ　ｆｉｔｔｉｇ　ｎｗｉｔｈ　ａｐｐｌｉｃａｔｉｏｎｓ　ｔｏ　ｉａｇｅ　ｍａｎａｌｙｓｉｓ　ａｎｄ　ａｕｔｏｍａ—　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ａｎａｌｙｓｉｓ［Ｃ］ｆ　２００９　Ｆｉｒｓｔ　Ｉｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｅｄｕｃａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ（ＥＴＣ￣）．ｖｏ１．１，　２００９：９８５—９８８　ｔｄ　ｅｃａｒｔｏｇｒａｐｈｙ［Ｊ］．Ｃｏｍｍ．ｏｆ　ｔｈｅ　ＡＣＭ，１９８９，２４（６）：３８１—３９５　［１２］Ｃｈｕｍ　０，Ｍａｔａｓ　Ｊ．Ｍａｔｃｈｉｇ　ｗｉｎｔｈ　Ｐｒｏｓａｃ－Ｐｒｏｇｒｅｓｓｉｖｅ　ｓａｍｐｌｅ　ｃｏｎｓｅｎｓｕｓ　ＥＥｌ｝｛ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍ—　ｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，２００５（（’ｖＰＲ　２００５）．ｖｏ１．　１，２００５：２２０—２２６　［６］王晋疆，刘阳，吴明云，等．基于快速鲁棒特征的ＣａｍＳｈｉｆｔ跟踪　算法口］．计算机应用，２０１３，３３（２）：４９９－５０２　－１７］Ｉ　Ｉ　Ｙｉ—ｂｏ，Ｓｈｅｎ　Ｘｉａｏ－ｌｉｇ，Ｂｎａｉ　Ｓｈａｎ－ｓｈａｎ，ｅｔ　ａ１．Ｒｅａｌ－ｔｉｍｅ　ｔｒａｃｋｉｇ　ｍｅｔｈｏｄ　ｆｏｒ　ｍｏｖｉｎｇ　ｔａｒｇｅｔｎ　ｂａｓｅｄ　ｏｎ　ａｎ　ｉｍｐｒｏｖｅｄ　Ｃａｍ－　［１３］廖斌．基于特征点的图像配准技术研究［Ｄ］．长沙：国防科学技　术大学，２００８　Ｓｈｉｆｔ　ａｌｇｏｒｉｔｈｍｉＣ］，　２０１　１　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｅｃｈ　ａｔ—　・３２３・