结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法技术

本发明专利技术公开了一种结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法，将DSST滤波器引入到孪生网络跟踪过程中，用HOG特征弥补孪生网络中深度特征，抑制向相似目标产生漂移；转移到DSST中的候选目标由SiamFC筛选更加准确，缓解了DSST的边界效应；目标位置和尺度传递回SiamFC网络后，采用线性插值更新相关滤波系数进行目标重定位，得到较为精准的待注册目标区域；对待注册目标特征通过ORB算法进行检测匹配，通过汉明距离进行匹配后对误匹配对采用RANSAC进行剔除，并根据匹配相邻帧间特征关系求得注册矩阵，并与OpenGL生成的立方体虚拟模型渲染后完成虚拟信息的注册，确保实时性的同时提高了传统的增强现实跟踪注册算法结果的准确率、鲁棒性和稳健性。鲁棒性和稳健性。鲁棒性和稳健性。

【技术实现步骤摘要】
结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法


[0001]本专利技术属于计算机视觉和图像处理
，涉及一种结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法。

技术介绍

[0002]增强现实(Augmented Reality，AR)，是以虚拟现实技术为基础，通过计算机图形学、计算机视觉技术将虚拟信息叠加至真实场景，实现虚实融合、人机交互，以此增强用户对现实世界的感知，已应用于医疗、教育、导航等众多领域，随着越来越多的用户对移动增强现实技术的应用，人们更加注重AR技术的用户体验。为了在现实中完美叠加虚拟信息实现增强现实，需要在三维空间下利用目标跟踪注册技术将虚拟信息配准到真实场景中。跟踪算法的速度与精度以及注册的稳健性决定了增强现实方法的性能好坏，增强现实的主要重难点在于保证实时性的同时如何提高跟踪注册的精确性。因此，开发一种能够在复杂运动场景下保证实时性的同时实现对增强现实目标的精确跟踪注册的方法具有重要意义。
[0003]目前，主流的三维跟踪注册技术中，相比较而言，基于自然特征点的无标志物跟踪注册方法应用场景较为广本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法，其特征在于，包括以下步骤：步骤一、SiamFC初始目标位置估计：利用SiamFC将跟踪视为相似性学习，离线训练一个深度孪生网络，在线跟踪过程中，利用所述深度孪生网络比较搜索区域和目标模板的相似度，从众多候选帧中找到与第一帧中标注好的目标模板最相似的样本，将该样本和目标模板互相卷积生成响应图，响应图中响应值最高的位置为初始目标的位置；步骤二、DSST目标尺度估计：将初始目标的位置传递到DSST跟踪器，在初始目标位置采集多尺度图像组成样本，独立训练尺度滤波器，根据样本的尺度滤波器响应图中的响应值对目标尺度进行估计；步骤三、目标重定位：估计的目标尺度传送回SiamFC跟踪器，通过初始目标位置和目标尺度来指示下一帧的跟踪；利用两帧之间的差异性自适应调整学习率，采用线性插值更新相关滤波系数进行目标定位，得到待注册目标区域；步骤四、ORB特征匹配与三维注册：采用ORB算法进行特征检测匹配，通过汉明距离对误匹配对采用RANSAC进行剔除，并根据匹配的相邻帧间特征关系求得注册矩阵，...

【专利技术属性】
技术研发人员：王阳萍，李晓艺，雍玖，党建武，王文润，岳彪，杨景玉，王松，任鹏百，陈永，杨艳春，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：