针对无人机无法在全球定位系统信号弱或拒止环境下实现自主导航的问题, 提出一种基于改进的ORB-LK光流法的速度估计算法。首先, 通过ORB算法提取目标物体上的特征点, 经过LK光流法计算出图像光流速度; 然后, 采用前向后向匹配算法确定匹配点对, 利用渐近一致采样算法剔除误匹配实现精匹配; 最后, 结合惯性测量元件测得的无人机旋转速度和声呐测得的高度计算出平移速度, 为无人机自主导航提供速度信息。通过在Matlab中仿真实验证明, 改进算法在公开图像数据集中的平均运算时间为0.622 s, 满足无人机实时应用的条件, 相较于原ORB-LK算法大幅提升了匹配正确率, 能够准确地进行速度估计。

LK光流算法是一种精确高效的特征跟踪算法, 能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题, 基于LK光流算法, 通过基于图像金字塔的方式跟踪改进后的FAST特征角点, 采用一种鲁棒的单应矩阵估计算法解算配准参数, 提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析, 平均重投影误差为0.16, 平均处理速度为30 Hz。实验结果表明, 该算法能够提取稳定的FAST角点, 快速准确地跟踪匹配序列图像之间的特征, 较好地解决时间序列图像的实时配准问题。

为了有效地对图像序列进行面部表情识别, 提出一种基于主动形状模型(active shape model, ASM)结合Lucas-Kanade(LK)光流法的方法提取位移特征, 采用随机森林分类器对提取到的位移特征进行分类与识别。在Extended Cohn-Kanade(CK+)人脸表情数据库上的实验表明, 该特征提取方法能够很好地描述图像序列中所包含的表情信息和特征点运动变化信息, 比常用的K-近邻、贝叶斯网络和支持向量机等分类器所表现出来的效果要好, 其识别率达到95.1%。