【技术实现步骤摘要】
应用演化优化的视觉目标跟踪方法
[0001]本专利技术涉及机器视觉领域，尤其是涉及一种应用演化优化的视觉目标跟踪方法。
技术介绍
[0002]视觉目标跟踪是机器视觉领域中的一个重要研究课题，它是视频监控、机器人导航、自动驾驶等工程应用的关键技术。传统视觉目标跟踪方法在面对背景复杂的场景时往往存在着目标跟踪精度不足的缺点。为此，研究人员尝试利用演化优化算法来提升视觉目标跟踪的精度。由于演化优化算法具有较强的适应性和自学习性，演化优化算法在一些视觉目标跟踪的应用中获得了一定的效果[金泽芬芬,侯志强,余旺盛,王鑫,寇人可.基于量子遗传算法的视觉目标跟踪[J].电子学报,2020,48(08):1493
‑
1501]。
[0003]人工蜂群算法是一种模拟蜜蜂采蜜行为的演化优化算法，它在许多实际工程应用中获得了较好的结果。然而传统人工蜂群算法在视觉目标跟踪的应用中容易出现精度不够的缺点。
技术实现思路
[0004]本专利技术提供一种应用演化优化的视觉目标跟踪方法。它在一定程度上克服了传统人工蜂...
【技术保护点】
【技术特征摘要】
1.一种应用演化优化的视觉目标跟踪方法，其特征在于，包括以下步骤：步骤1，利用图像传感器采集一幅数字图像IM；步骤2，在数字图像IM中框选出被跟踪物体的目标区域，得到目标区域的像素矩阵DA和位置信息DX＝[SX SY CW CH]，其中，SX表示目标区域左上角的横坐标，SY表示目标区域左上角的纵坐标，CW表示目标区域的宽度，CH表示目标区域的高度；步骤3，计算像素矩阵DA的颜色直方图DAF；步骤4，设置当前目标跟踪的图像数cn＝0，利用位置信息DX初始化卡尔曼滤波器；步骤5，利用图像传感器采集下一帧数字图像CFI，然后设置当前目标跟踪的图像数cn＝cn+1；步骤6，利用卡尔曼滤波器预测出被跟踪物体在数字图像CFI中的预测框向量PA＝[PX PY PW PH]，其中，PX表示预测框左上角的横坐标，PY表示预测框左上角的纵坐标，PW表示预测框的宽度，PH表示预测框的高度；步骤7，设置调整因子的数量ND＝4；步骤8，用户输入种群大小NP，最大迭代次数GMAX，以及最大限制次数Limit；步骤9，随机产生NP个个体组成种群DP＝{X1,X2,...,X
mi
,...X
NP
}，其中，X
mi
＝{X
mi,1
,X
mi,2
,...,X
mi,bj
,...,X
mi,ND
}表示种群中的第mi个个体，且个体X
mi
中存储了ND个调整因子；X
mi,bj
表示种群中第mi个个体中存储的第bj个调整因子；个体下标mi＝1,2,...,NP，维度下标bj＝1,2,...,ND；步骤10，设置当前迭代次数G＝0；步骤11，设置种群中每个个体的停滞次数trial
mi
＝0；步骤12，计算种群中每个个体的适应值，具体过程为：对于种群中的第mi个个体X
mi
，从个体X
mi
中提取出ND个调整因子，利用得到的ND个调整因子对被跟踪物体的预测框向量PA进行调整得到调整框向量MA＝[MX MY MW MH]；根据调整框向量MA，从数字图像CFI中抽取出像素矩阵CA，计算像素矩阵CA的颜色直方图CAF，根据公式(1)计算颜色直方图CAF与颜色直方图DAF之间的距离Dist
mi
，然后设置个体X
mi
的适应值为Dist
mi
：其中，MX表示被跟踪物体左上角在数字图像CFI中的横坐标，MY表示被跟踪物体左上角在数字图像CFI中的纵坐标，MW表示被跟踪物体在数字图像CFI中的宽度，MH表示被跟踪物体在数字图像CFI中的高度；LN表示颜色直方图CAF的维度数量；CAF
ak
表示颜色直方图CAF的第ak个维度；DAF
ak
表示颜色直方图DAF的第ak个维度；颜色直方图下标ak＝1,2,...,LN；步骤13，从种群中选出适应值最小的个体保存为最优个体BestX；步骤14，从种群中随机选取一个不同于X
mi
的个体X
r1
，然后根据公式(2)执行雇佣蜂操作，生成试探个体V
mi
：其中，维度下标kj是[1,ND]之间的一个随机整数；φ
mi,kj
是[
‑
1,1]之间的一个随机数；
是[0,1.5]之间的一个随机数；rnv是[0,1]之间的一个随机数；V
mi,kj
表示试探个体V
mi
中存储的第kj个调整因子；BestX
kj
表示最优个体BestX中存储的第kj个调整因子；X
mi,kj
表示个体X
...
【专利技术属性】
技术研发人员：李泓进，郭肇禄，刘超飞，杨火根，张文生，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。