Mean Shift-based Point Feature Tracking Using SIFT

IPSJ Web Site 6 Citations 14 References

Bibliographic Information

Other Title
  • SIFT特徴量に基づくMean-Shift 探索による特徴点追跡
  • SIFT トクチョウリョウ ニ モトズク Mean Shift タンサク ニ ヨル トクチョウテン ツイセキ

Search this article

Description

KLT法（Kanade-Lucas-Tomasi Feature Tracker）による特徴点追跡アルゴリズムは高速であり広く利用されているが，人などの非剛体の特徴点追跡に失敗することがある．本論文では，回転・スケール変化・照明変化による画像の変化に不変なSIFT（Scale Invariant Feature Transform）特徴量を用いたMean-Shift探索による特徴点追跡法を提案する．評価実験により，回転やスケール変化を含む対象物体の移動に対しても追跡可能であることを確認した．また，追跡結果の表現法として，追跡点をセグメンテーションすることなく動線を表現する方法について述べる．点の移動方向と密度により表示する色を決めることで，移動の方向と頻度を表現する．本手法により，長時間に及ぶ人の追跡結果をビジュアライゼーションし，移動の流れが表現されていることを示す．

The Kanade-Lucas-Tomasi feature tracker algorithm for point feature tracking is widely used because it is fast; however, it is sometimes fails to accurately track non-rigid objects such as pedestrians. We have developod a method of point feature tracking using a scale invariant feature transform (SIFT). Our approach uses mean-shift searching to track a point based on the information obtained by a SIFT. Since a SIFT feature is invariant to changes caused by rotation, scaling, and illumination, we can obtain a beter tracking performance than that of a conventional approach. Using the trajectory of the points obtained by our method, it is possible to visualize traffic pedestrian traffic flow.

Journal

Citations (6)*help

See more

References(14)*help

See more

Keywords

Details 詳細情報について

Report a problem

Back to top