基于群體智能算法的動態(tài)目標(biāo)跟蹤技術(shù)研究.pdf

1、動態(tài)目標(biāo)跟蹤技術(shù)是計算機視覺研究領(lǐng)域中最重要的研究課題之一，在視覺導(dǎo)航、軍事制導(dǎo)、交通臨測、醫(yī)療診斷等方面都有著廣泛的應(yīng)用。粒子濾波技術(shù)是目標(biāo)跟蹤領(lǐng)域的核心算法，該算法采用無智能的粒子群體組成，具有群體的共性。本文研究使無智能的粒子群體具有群體智能行為的方法，將群體智能技術(shù)融入到粒子濾波算法中，提高動態(tài)目標(biāo)跟蹤的精度和魯棒性。
　　 本文研究遺傳算法、粒子群優(yōu)化方法和混合蛙跳等群體智能算法的尋優(yōu)機制，探索可行解之間協(xié)作、交互、進(jìn)

2、化的機制；以及粒子濾波動態(tài)目標(biāo)跟蹤機制，找到它們之間的交會融合點，為具有群體智能化的粒子濾波技術(shù)打下基礎(chǔ)。構(gòu)建混合蛙跳跟蹤模型，把無智能的粒子賦予分群機制、選擇機制、信息交互與協(xié)作機制、進(jìn)化機制，使粒子群體表現(xiàn)出復(fù)雜的智能行為，使得目標(biāo)跟蹤過程成為一個不斷地修正自身進(jìn)行尋優(yōu)搜索的過程。實驗表明，混合蛙跳跟蹤模型具有高效的全局搜索能力，性能優(yōu)于粒子濾波算法、遺傳跟蹤算法和粒子群跟蹤算法。引入速度松弛迭代策略和交叉算子對混合蛙跳跟蹤模型進(jìn)行