

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、視覺跟蹤是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)重要的組成部分,被廣泛地應(yīng)用于智能交通、監(jiān)控、人機(jī)交互等場(chǎng)景中。同時(shí),由于應(yīng)用場(chǎng)景的復(fù)雜性,設(shè)計(jì)一個(gè)魯棒的、實(shí)時(shí)的跟蹤方法依舊是一個(gè)研究中的難題,因此,視覺跟蹤有著很大的研究?jī)r(jià)值和探索空間。
由于視覺跟蹤的過(guò)程可以被視為是一個(gè)動(dòng)態(tài)尋優(yōu)的過(guò)程,因此,用于解決最優(yōu)化問題的優(yōu)化算法被廣泛地應(yīng)用于視覺跟蹤中。而粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法是目前群體智能算
2、法中的一個(gè)較熱門的研究點(diǎn),可以用于解決優(yōu)化問題,并且由于其簡(jiǎn)單易實(shí)現(xiàn)、尋優(yōu)效率高等特點(diǎn)受到了廣泛的關(guān)注。介于上述分析,基于PSO的視覺跟蹤在理論上可以作為視覺跟蹤中的一個(gè)新的領(lǐng)域進(jìn)行探索,并已經(jīng)取得了一定的成果。
大量實(shí)踐證明了基于PSO算法構(gòu)建的視覺跟蹤方法是可行的,并且有著良好的性能。然而,PSO已經(jīng)被證明是一種局部最優(yōu)的算法,即容易收斂于局部最優(yōu)解?;诹孔永碚摰牧孔恿W尤海≦PSO)算法在保持了PSO優(yōu)點(diǎn)的基礎(chǔ)上,克服
3、了PSO在全局收斂性上的不足,有著更好的全局收斂性。本文考慮將QPSO引入到視覺跟蹤中,基于QPSO設(shè)計(jì)一個(gè)魯棒的跟蹤算法,但QPSO存在著種群多樣性的問題,在一定程度上會(huì)影響到跟蹤的效果。本文首先提出了差分進(jìn)化量子粒子群(DE-QPSO)算法,該算法將差分進(jìn)化(DE)算法的思想引入到QPSO中,在QPSO的粒子狀態(tài)更新過(guò)程中添加差分進(jìn)化算法中的變異、交叉和選擇操作,以豐富種群多樣性,因此DE-QPSO在保持了QPSO全局收斂能力優(yōu)點(diǎn)的
4、同時(shí),能夠進(jìn)一步提升算法的性能,并使得算法更加魯棒。另外,在目標(biāo)外觀模型上,采用了分塊的思想,結(jié)合高斯混合模型(Gaussian Mixture Model,GMM),提出了基于局部塊的高斯混合模型(Patch-GMM)以及相應(yīng)的模型更新方法,基于局部塊的外觀模型可以使得目標(biāo)外觀不易受到環(huán)境的影響,使得跟蹤更為魯棒。最后結(jié)合前兩個(gè)研究點(diǎn),提出了基于 DE-QPSO的跟蹤方法。本文進(jìn)行了大量的實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,基于DEQPSO的視覺跟蹤
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)量子粒子群的QoS組播路由算法.pdf
- 基于量子粒子群算法的圖像閾值分割方法研究.pdf
- 基于改進(jìn)量子粒子群的WSN網(wǎng)絡(luò)覆蓋優(yōu)化研究.pdf
- 量子粒子群算法的研究.pdf
- 量子粒子群算法及其應(yīng)用.pdf
- 改進(jìn)的量子粒子群算法在結(jié)構(gòu)識(shí)別中的應(yīng)用.pdf
- 基于混沌量子粒子群FCM彩色圖像分割.pdf
- 基于量子粒子群優(yōu)化的無(wú)人系統(tǒng)自主規(guī)劃方法研究.pdf
- 基于量子粒子群算法的移動(dòng)商務(wù)QoE優(yōu)化.pdf
- 基于改進(jìn)量子粒子群算法的智能電網(wǎng)多目標(biāo)優(yōu)化規(guī)劃研究.pdf
- 基于量子粒子群算法的微電網(wǎng)優(yōu)化調(diào)度.pdf
- 基于量子粒子群優(yōu)化的dag并行任務(wù)調(diào)度探討
- 基于改進(jìn)量子粒子群算法的壓縮感知重構(gòu)算法及應(yīng)用研究.pdf
- 基于量子粒子群算法的電阻抗圖像重構(gòu)研究.pdf
- 基于量子粒子群算法的SoC測(cè)試調(diào)度優(yōu)化研究.pdf
- 基于量子粒子群優(yōu)化的Volterra核辨識(shí)及故障診斷方法研究.pdf
- 量子粒子群算法研究及其數(shù)據(jù)分類.pdf
- 基于文化-改進(jìn)量子粒子群算法的無(wú)線傳感器網(wǎng)絡(luò)聲源定位算法.pdf
- 基于量子粒子群的支持向量機(jī)算法的研究與應(yīng)用.pdf
- 基于量子粒子群的風(fēng)一水電聯(lián)合運(yùn)行研究.pdf
評(píng)論
0/150
提交評(píng)論