计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
9期
2656-2660
,共5页
机器视觉%目标跟踪%模板匹配%粒子群优化%模板更新
機器視覺%目標跟蹤%模闆匹配%粒子群優化%模闆更新
궤기시각%목표근종%모판필배%입자군우화%모판경신
machine vision%target tracking%template matching%Particle Swarm Optimization (PSO)%template update
针对基于模板匹配的跟踪算法运行速度较慢、成功率较低的问题,提出了一种基于粒子群优化(PSO)的模板匹配跟踪算法.该算法采用粒子群优化算法作为模板匹配算法候选模板的搜索策略,并采用自适应的更新目标模板.首先,在设定的搜索区域内随机采集30个候选模板,计算出个体最优候选模板和全局最优候选模板;其次,根据粒子群优化算法进行迭代求出匹配值最佳的候选模板即为目标;最后,根据最佳候选模板的匹配值大小来自适应更新目标模板.理论分析和实验仿真表明,与基于模板匹配的跟踪算法和基于粗精搜索的模板匹配跟踪算法相比,基于粒子群优化的模板匹配跟踪算法的计算量平均要少91.1％和69.8％,且成功率为原算法的2.02倍和1.94倍.实验结果表明,基于粒子群优化的模板匹配跟踪算法能实现很好的实时跟踪,并且提高了跟踪的鲁棒性.
針對基于模闆匹配的跟蹤算法運行速度較慢、成功率較低的問題,提齣瞭一種基于粒子群優化(PSO)的模闆匹配跟蹤算法.該算法採用粒子群優化算法作為模闆匹配算法候選模闆的搜索策略,併採用自適應的更新目標模闆.首先,在設定的搜索區域內隨機採集30箇候選模闆,計算齣箇體最優候選模闆和全跼最優候選模闆;其次,根據粒子群優化算法進行迭代求齣匹配值最佳的候選模闆即為目標;最後,根據最佳候選模闆的匹配值大小來自適應更新目標模闆.理論分析和實驗倣真錶明,與基于模闆匹配的跟蹤算法和基于粗精搜索的模闆匹配跟蹤算法相比,基于粒子群優化的模闆匹配跟蹤算法的計算量平均要少91.1％和69.8％,且成功率為原算法的2.02倍和1.94倍.實驗結果錶明,基于粒子群優化的模闆匹配跟蹤算法能實現很好的實時跟蹤,併且提高瞭跟蹤的魯棒性.
침대기우모판필배적근종산법운행속도교만、성공솔교저적문제,제출료일충기우입자군우화(PSO)적모판필배근종산법.해산법채용입자군우화산법작위모판필배산법후선모판적수색책략,병채용자괄응적경신목표모판.수선,재설정적수색구역내수궤채집30개후선모판,계산출개체최우후선모판화전국최우후선모판;기차,근거입자군우화산법진행질대구출필배치최가적후선모판즉위목표;최후,근거최가후선모판적필배치대소래자괄응경신목표모판.이론분석화실험방진표명,여기우모판필배적근종산법화기우조정수색적모판필배근종산법상비,기우입자군우화적모판필배근종산법적계산량평균요소91.1％화69.8％,차성공솔위원산법적2.02배화1.94배.실험결과표명,기우입자군우화적모판필배근종산법능실현흔호적실시근종,병차제고료근종적로봉성.
