[发明专利]面向可穿戴设备的跟踪与匹配并行计算方法

权利要求书

1.一种面向可穿戴设备的跟踪与匹配并行计算方法，其特征在于，面向可穿戴设备的混合跟踪与特征提取、自然特征无标记目标的特征点精确提取、基于GPU并行进程机制实现对Harris角点的检测、基于CPU的P-KLT并行特征跟踪算法、二次匹配优化算法等五个流程，其中：

(1)提出一种面向可穿戴设备的混合跟踪与特征提取技术，保证多跟踪器的实时性数据采集和避免数据冲突；

(2)Harris角点检测CRF优化方法，对CRF算法进行改进，完成自然特征无标记目标的特征点精确提取；

(3)基于GPU并行进程机制实现对Harris角点的检测，侧重阐述了在多设备控制条件下Harris角点检测并行算法的实现方法；

(4)基于CPU的P-KLT并行特征跟踪算法，给出相邻帧中特征点的位移偏差；

(5)二次匹配优化算法，采用BGNCC初始粗匹配和RANSAC精匹配提高匹配鲁棒性。

2.根据权利要求1所述的面向可穿戴设备的跟踪与匹配并行计算方法，其特征在于：所述步骤(1)中提出了一种面向可穿戴设备的特征跟踪方法，使用多传感器SCAAT-EKF互补式融合的数据采集数据方式，最大程度降低模块的局限性，将不同类型的姿态信息进行整合与分析。

3.根据权利要求1所述的面向可穿戴设备的跟踪与匹配并行计算方法，其特征在于：所述步骤(2)中的针对原始Harris算法的阈值设定单一、定位精度低等缺点，对原始的Harris算法进行了改进，改进后的算法根据角点响应CRF函数计算原图像上对应的每个像素的CRF值。具体包括以下步骤：

A.建立与图像X方向一阶导数和Y方向一阶导数局部自相关函数相联系的2*2自相关对称矩阵M；

B.将2*2自相关对称矩阵M代入Harris算子角点响应函数CRF；

C.根据像素点的CRF值判断是否为提取出的角点。

4.根据权利要求1所述的面向可穿戴设备的跟踪与匹配并行计算方法，其特征在于：所述步骤(3)中的选取了一种基于GPU的并行Harris角点检测算法，该算法依据GPU计算特点和任务划分的特点，采用CPU+GPU协作计算模式，将任务划分成多个子任务，并对划分的子任务给出合理的并行调度算法。

5.根据权利要求1所述的面向可穿戴设备的跟踪与匹配并行计算方法，其特征在于：所述步骤(4)中的采用图像金字塔KLT(Pyrami dal KLT)方式，在较大的尺度上进行视觉跟踪，通过金字塔结构自上而下对图像采样处理，从而保证KLT算法在对处于缩放变换时的有效性，利用平移矩阵得到更理想的跟踪效果。

6.根据权利要求1所述的面向可穿戴设备的跟踪与匹配并行计算方法，其特征在于：所述步骤(5)中的二次匹配优化算法，具体包括以下两步骤：

步骤1：采用BGNCC算法进行特征点初步匹配；

步骤2：使用RANSAC算法消除BGNCC算法的错误匹配角点。