MATLAB摩托车视频帧跟踪：替代SIFT方案及代码问题解决

一、现有SIFT代码问题修复 #

1. estimateGeometricTransform2D报错原因与解决 #

报错内容为：Not enough points to compute the transform. At least 3 points are required.，原因是匹配特征点数量不足、错误匹配过多，导致无法计算仿射变换。修复方式：

• 增加匹配点数量判断，只有当有效匹配点≥4个时才计算变换
• 使用RANSAC算法过滤错误匹配，提升变换鲁棒性
• 处理匹配为空的极端情况

2. nbox2负值问题解决 #

变换后的特征点可能打乱原矩形顺序，直接计算宽高会出现负值。需先找到变换后点集的最小包围矩形，再生成标准格式的边界框。

修复后的完整代码 #

% myTracker,  codi inicial del short project
close all

% 读取标注文件: frame, bounding boxes, is_lost
BB = importdata('./MotorcycleChase/groundtruth_rect.txt');
Idir = dir('./MotorcycleChase/img/*.jpg');

filename = horzcat(Idir(1).folder,'/',Idir(1).name);
I = imread(filename);

moto = imcrop(I,BB(1,2:5));
im_obj = rgb2gray(moto);

kp_obj = detectSIFTFeatures(im_obj);
kp_obj = selectStrongest(kp_obj,50);
[feat_obj,kp_obj] = extractFeatures(im_obj,kp_obj);

nf = length(Idir);
figure; hold on;

for i = 2:nf
    filename = horzcat(Idir(i).folder,'/',Idir(i).name);
    im_esc = rgb2gray(imread(filename));

    kp_esc = detectSIFTFeatures(im_esc);
    kp_esc = selectStrongest(kp_esc,100); % 增加候选特征点数量
    [feat_esc,kp_esc] = extractFeatures(im_esc,kp_esc);
    
    % 匹配特征点，降低阈值提升匹配数量，同时用MaxRatio过滤无效匹配
    pairs = matchFeatures(feat_obj,feat_esc,'MatchThreshold',10,'MaxRatio',0.6);
    
    if size(pairs,1) < 4 % 至少需要4个点计算仿射变换
        imshow(im_esc);
        rectangle('Position',BB(i,2:5),'EdgeColor','red'); % 用真值框替代
        drawnow;
        continue;
    end

    m_kp_obj = kp_obj(pairs(:,1),:); 
    m_kp_esc = kp_esc(pairs(:,2),:);

    % 使用RANSAC估计变换，过滤异常值
    [T,inlierIdx] = estimateGeometricTransform2D(m_kp_obj,m_kp_esc,"affine","Confidence",99,"MaxDistance",2);
    
    if size(inlierIdx,1) < 3 % 内点不足，放弃变换计算
        imshow(im_esc);
        rectangle('Position',BB(i,2:5),'EdgeColor','red');
        drawnow;
        continue;
    end

    [f,c] = size(im_obj);
    box = [1, 1; c, 1; c, f; 1, f]; % 去掉重复的起始点

    nbox = transformPointsForward(T,box);
    
    % 计算最小包围矩形，避免宽高负值
    min_x = min(nbox(:,1));
    min_y = min(nbox(:,2));
    max_x = max(nbox(:,1));
    max_y = max(nbox(:,2));
    nbox2 = [min_x, min_y, max_x - min_x, max_y - min_y];

    overlapRatio = bboxOverlapRatio(nbox2,BB(i,2:5));
    disp(['Frame ',num2str(i),' Overlap Ratio: ',num2str(overlapRatio)]);

    imshow(im_esc);
    rectangle('Position',nbox2,'EdgeColor','blue');
    drawnow;
end

二、无需背景帧的摩托车跟踪方案 #

1. 基于相关滤波的跟踪器（Matlab内置实现） #

Matlab的Computer Vision Toolbox提供了多种无需背景帧的单目标跟踪器，只需初始边界框即可跟踪：

• KCF跟踪器：速度快，适合实时场景
• CSRT跟踪器：精度更高，对旋转、尺度变化鲁棒
  示例代码片段：

% 初始化跟踪器
tracker = vision.KCFTracker(); % 或 vision.CSRTracker()
initialize(tracker, I, BB(1,2:5));

for i = 2:nf
    filename = horzcat(Idir(i).folder,'/',Idir(i).name);
    im_esc = imread(filename);
    [bbox, ~] = track(tracker, im_esc);
    
    imshow(im_esc);
    rectangle('Position',bbox,'EdgeColor','green');
    drawnow;
end

2. 基于光流的特征点跟踪 #

利用Lucas-Kanade光流跟踪初始帧中的摩托车特征点，再通过特征点的最小包围矩形确定目标位置，无需背景帧：

• 步骤：在初始帧检测摩托车特征点，后续帧跟踪特征点，计算包围框
• 优点：对运动模糊有一定鲁棒性

3. 深度学习单目标跟踪器 #

• SiamFC/SiamRPN：基于孪生网络的跟踪器，只需初始帧目标即可跟踪，无需背景帧
• Matlab可通过Deep Learning Toolbox加载预训练模型，或使用第三方开源的Matlab版本实现

内容的提问来源于stack exchange，提问作者Pol