基于特征匹配的简单视频稳定器开题报告

1. 研究目的与意义（文献综述）

如今，人们通过手机等便携式设备每天拍摄大量视频，而在一些场景下，如边走边拍，视频会出现抖动的现象。同样，在一些专业拍摄领域，如航拍监测等，拍摄的视频也会存在晃动的情况，对于这些情况需要通过视频稳定技术，来减少镜头晃动对视频的影响。视频稳定技术是一种可以将不稳定的视频稳定为视觉稳定的技术，该技术有着十分广泛的应用场景，该技术也在不断地发展进步。

本文的研究基于python开发环境，结合opencv库中称为“点特征匹配”的技术来实现简单的视频稳定器，使用特征匹配的方法跟踪两个连续帧之间的一些特征点，估计帧之间的运动并对其进行补偿，以减少摄像机运动对最终视频的影响。

目前，对于视频稳定的方法的研究有很多，视频稳定方法包括机械，光学和数字稳定方法。针对数字稳定方法，主要有三个步骤，1）运动估计，2）运动平滑，3）图像合成。在第一阶段运动估计中需要导出两个连续帧之间的变换参数，对于两个连续帧之间的特征点的提取和匹配有多种算法，有如surf、sift等基于尺度不变性进行特征匹配，也有如harris角点、susan角点、fast角点等进行运动估计的，还有将两种类型相结合的如orb(将fast特征提取与brief特征描述相结合)类的方法。harrish角点、susan角点对较为稳定的视频进行匹配效果好；对于sift、surf具有尺度不变性，适应的情况更多，surf相较于sitf而言，特征点监测的速度具有极大的提升，在一些实时视频流匹配上有着很强的应用，sift在检测精度上更高，但是计算量巨大，在特征点提取过程中异常花费时间；orb算法比sift快100倍，比surf算法快10倍,orb的综合性能较强。

2. 研究的基本内容与方案

2.1设计的基本内容

本文的研究基于python开发环境，结合opencv库中称为“点特征匹配”的技术来实现简单的视频稳定器，使用特征匹配的方法跟踪两个连续帧之间的一些特征点，估计帧之间的运动并对其进行补偿，以减少摄像机运动对最终视频的影响。

3. 研究计划与安排

(1) 第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

(2) 第4－7周：掌握连续帧之间特征点的追踪原理，完成英文资料的翻译，熟悉开发环境。

(3) 第8－10周：基于追踪的特征能够对运动进行补偿。

4. 参考文献（12篇以上）

[1]tianpingli,pingping zhou,hui liu. multiple features fusion based video facetracking[j]. multimedia tools and applications,2019,78(15).

[2]matiezheng,nie yongwei,zhang qing,zhang zhensong,sun hanqiu,li guiqing. effectivevideo stabilization via joint trajectory smoothing and frame warping.[j]. ieeetransactions on visualization and computer graphics,2019.

[3]baotongli;yangzhouchen;jianqiangren;lancheng.a fast videostabilization method based on feature matching and histogramclustering[j].information technology and intelligent transportationsystems,2017,vol.455: 315-325