【正文】 ocessing technology, trying to develop more flexible, more reliable, more accurate image processing technology and image processing algorithms. Video tracking system includes the image stitching technology, when we mention image stitching technology, we have to talk about image matching and image registration, because these two modules are the core parts of the image stitching.In this study, I used Scaleinvariant feature transform (SIFT) algorithm, this algorithm features repeatability, unique, localized, quantitative, accuracy and efficiency.First from the two cameras (people left and right eye) in synchronous reads the image sequence, and I applied these image sequences RANSAC algorithm based on SIFT feature matching and obtained a good image stitching. Then this image with an image template matching of image recognition and tracking (based on SIFT), while supporting the binocular measurements to obtain distance information. Typically, about two a moment to read the two camera images with a lot SIFT feature point, so the need to purify the data using the RANSAC algorithm, like that filter, however, so there is still a small amount of filtered wrong matching pairs. So we use RANSAC method parameter estimation perspective matrix. The socalled RANSAC method is a widely used model parameter estimation algorithm. Is the first of several randomly matched pairs (the thesis must select at least four pairs above), we see it as interior point, and then estimate the parameters, find out if you meet enough matrix matching pairs, then we think that this model is correct. If there is not enough to meet more than a match for, or very little, then we give up, and then randomly selected a few matches against repeated the above procedure. Experimental results show that seeks out such a perspective matrix is right.This paper describes the steps according to the above video tracking system developed and used by the process。最終取得了令人滿意的結(jié)果。最后把兩幅圖像拼接成一幅完整的圖像，并且用加權(quán)平均算法進(jìn)行無縫拼接。然后，進(jìn)行粗匹配。說到圖像拼接，本文中所用的圖像拼接算法是高效的SIFT特征算法。在世界上的先進(jìn)的國家都設(shè)立了圖像處理研究所，研究解決國防部門所要的問題。近30年來人們試圖研究基于計算機(jī)的視覺系統(tǒng)，并且試圖利用其系統(tǒng)來代替工業(yè)農(nóng)業(yè)上的有害勞動。（請在以上方框內(nèi)打“√”）作者簽名： 指導(dǎo)教師簽名：日期： 年 月 日 日期： 年 月 日 視頻圖像跟蹤系統(tǒng)視頻圖像跟蹤系統(tǒng)摘要圖像（Image）是客觀世界的景物通過光學(xué)系統(tǒng)作用后產(chǎn)生的影像。 保密□，在 年解密后適用本授權(quán)書。 作者簽名： 日期： 年 月 日1上海交通大學(xué)畢業(yè)設(shè)計（論文）版權(quán)使用授權(quán)書本畢業(yè)設(shè)計（論文）作者同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。 SHANGHAI JIAO TONG UNIVERSITY學(xué)士學(xué)位論文THESIS OF BACHELOR 基于ransac算法的sift特征匹配研究（OpenCV+VS2010）1 視頻圖像跟蹤系統(tǒng)上海交通大學(xué)畢業(yè)設(shè)計（論文）學(xué)術(shù)誠信聲明本人鄭重聲明：所呈交的畢業(yè)設(shè)計（論文），是本人在導(dǎo)師的指導(dǎo)下，獨立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。本人授權(quán)上海交通大學(xué)可以將本畢業(yè)設(shè)計（論文）的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本畢業(yè)設(shè)計（論文）。本論文屬于 不保密□。圖像直觀地反映了場景中物體的顏色、亮度等特征，從而使我們能清晰分辨他們的形狀、大小和空間位置。這樣的視覺系統(tǒng)漸漸地進(jìn)入我們的生活，讓我們的生活變得很豐富，并且我們現(xiàn)在享受著圖像處理這學(xué)問的成果。本文將介紹基于OpenCV（Open Source Computer Vision Library）的視頻圖像匹配、拼接、融合和目標(biāo)跟蹤的算法以及方法。首先，用兩個通用的USB攝像頭來實時地進(jìn)行采集圖像，并對這兩幅圖像提取SIFT特征點。最后用RANSAC算法對所提取出來的SIFT特征點匹配對進(jìn)行提純以及估計模型參數(shù)。再進(jìn)行攝像頭標(biāo)定，求出兩個通用攝像頭的內(nèi)外參數(shù)，最后進(jìn)行測距以及跟蹤。關(guān)鍵詞：SIFT，匹配,拼接，配準(zhǔn)，RANSAC2VIDEO TRACKING SYSTEMABSTRACTFor many years, people have been studying how to make the robot or the puter able to identify targets and obtain information about the surrounding environment. We people can easily see and identify every kind of objects, but for puters or robots, this is a very difficult task and it is a process that involves a lot of scientific knowledge. The main part of object recognition is digital image processing. After the invention of the puter, people began to direct their research on how to make the puter more powerful and useful. For this purpose, many scientists have dedicated their life for the development of puter. The rapid development of puter causes a very fast development of digital image processing. Why we people study science? Of course the answer will be to make our life easier, and to be able to live in our dream life, so that we can enjoy the life in fort and happiness.Nowadays, Image processing technology is everywhere around us, but sometimes because we are used to this technology so we don’t pay attention. For example, the phone39。 I have improved algorithm and experimental results.Key words: SIFT, OpenCV, matching, RANSAC, video image目錄第一章 緒論 1 論文研究背景 2 國內(nèi)外研究現(xiàn)狀 3 論文任務(wù)和工作 4第二章 SIFT特征算法 5 有關(guān)SIFT算法的術(shù)語 5 SIFT綜述 6 尺度空間和高斯濾波 7 關(guān)鍵點檢測 12 特征點方向確定以及SIFT特征向量的生成 15 SIFT特征點匹配 16 本章小結(jié) 19第三章 基于RANSAC算法的圖像拼接系統(tǒng)設(shè)計 20 對開源庫OpenCV的簡單的介紹 20 開發(fā)環(huán)境的搭建（VS2010+） 20 實時采集圖像 21 圖像變換模型（矩陣） 22 基于RANSAC的圖像拼接 23 27第四章 基于OpenCV的攝像頭標(biāo)定以及測距 28 攝像機(jī)標(biāo)定一般模型（針孔相機(jī)模型） 28 基于OpenCV的測距原理 30 兩個攝像頭的標(biāo)定以及測距 33 41第五章 總結(jié)以及未來的展望 42參考文獻(xiàn) 42謝辭 44第一章 緒論很多年來，人們一直研究怎么樣才能夠讓機(jī)器人或者計算機(jī)識別目標(biāo)、認(rèn)知周圍環(huán)境。這是一個很艱難的任務(wù)，也是一個涉及到很多科學(xué)的學(xué)問。計算機(jī)的發(fā)明以后，人們開始著重研究怎么樣讓計算機(jī)的功能更強大更加具有實用性，隨著歲月的流逝，很多科學(xué)家為了計算機(jī)的發(fā)展奉獻(xiàn)了自己的一生。人類為什么要研究科學(xué)？無疑是為了讓我們的生活更加滋潤，讓我們活在我們所設(shè)想過的夢幻里。數(shù)字圖像處理技術(shù)無處不在。比如說，手機(jī)的手寫輸入法、公司門口的指紋識別系統(tǒng)、交通統(tǒng)計時用到的車牌識別系統(tǒng)、探月機(jī)器人系統(tǒng)、醫(yī)學(xué)成像技術(shù)、臉部識別系統(tǒng)和衛(wèi)星拍攝系統(tǒng)等等?？梢姡F(xiàn)在科學(xué)的每個專業(yè)都滲透到圖像處理，而且圖像涉及到的領(lǐng)域很多。圖像處理技術(shù)的應(yīng)用方面很廣，小到我們所用的智能手機(jī)里，大到國防工業(yè)。用雷達(dá)發(fā)現(xiàn)敵機(jī)是主動的，所以容易被發(fā)現(xiàn)，但是，如果開發(fā)一個雙目跟蹤系統(tǒng)（利用兩個已標(biāo)定好的攝像頭）的話，不會被敵機(jī)發(fā)現(xiàn)，也就是說被動跟蹤方式。圖像處理技術(shù)有圖像識別、圖像分析和圖像拼接等等。所以，很多科學(xué)家用自己的一生去研究圖像處理技術(shù)，試圖研發(fā)出更靈活、更加可靠、更高精度的圖像處理技術(shù)以及圖像處理算法。此外，C,C++和Java是目前為止最受歡迎的視覺系統(tǒng)實現(xiàn)語言，這是因為它們在集成高級和低級功能方面力量強大而且編譯能力強。之所以得到了眾多科學(xué)家開發(fā)人員的好評，是因為它是開放的，也就是說免費的，任何人都可以去用，其次呢，是因為它所擁有的圖像處理功能非常之強大。下面著重介紹本論文的研究背景、國內(nèi)外研究現(xiàn)狀以及論文內(nèi)容和組織結(jié)構(gòu)。之后的發(fā)展有點緩慢，知道第三代計算機(jī)的問世，才開始迅速的發(fā)展。雖然MATLAB具有很強大的科學(xué)計算功能和圖像處理功能，但在圖像處理功能方面超不過OpenCV的。正如其廣而告之的那樣，它是一套高效的計算機(jī)視覺算法。作為一個跨平臺的計算機(jī)視覺庫，它為圖像處理、模式識別、三維重建、物體跟蹤、機(jī)器學(xué)習(xí)和線性代數(shù)提供了各種各樣的算法。[4] 過去一周（從20130516到20130522），942次，這數(shù)字僅僅是一周的下載次數(shù)。本人在論文中所提到的算法都是用Visual Studio 。在網(wǎng)上有與OpenCV有關(guān)的資料，但是，也是很少，而且相當(dāng)零散。不過，在互聯(lián)網(wǎng)的飛速的發(fā)展的情況下，這樣的現(xiàn)象漸漸地少了很多。這樣在某種程度上形成了OpenCV培訓(xùn)所。但是，這也是一定的范圍內(nèi)進(jìn)行的，也就是說局限在簡單的程序語法或者特定的函數(shù)用法等等。下