基于多粒子群算法的视频跟踪研究

您当前的位置：

首页 >

文章列表页 >

基于多粒子群算法的视频跟踪研究

信息光学与图像处理 | 更新时间：2025-09-01

- 基于多粒子群算法的视频跟踪研究
- A method for maneuvering target video frequency tracking based on multi-particle swarms algorithm
- 光学技术 2010年36卷第6期页码：912-917
- 作者机构：
  
  1:北京理工大学自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2010.06.026
  中图分类号：
- 纸质出版：2010
- 稿件说明：
移动端阅览
陈逊, 窦丽华, 张娟. 基于多粒子群算法的视频跟踪研究[J]. 光学技术, 2010,36(6):912-917.

A method for maneuvering target video frequency tracking based on multi-particle swarms algorithm[J]. 2010, 36(6): 912-917.
陈逊, 窦丽华, 张娟. 基于多粒子群算法的视频跟踪研究[J]. 光学技术, 2010,36(6):912-917. DOI： 10.13741/j.cnki.11-1879/o4.2010.06.026.

A method for maneuvering target video frequency tracking based on multi-particle swarms algorithm[J]. 2010, 36(6): 912-917. DOI： 10.13741/j.cnki.11-1879/o4.2010.06.026.

粒子群算法是一种新的进化算法

算法思路适合于进行视频跟踪

但是由于在视频跟踪过程中以跟踪窗口作为粒子

因此该粒子具有中心点横坐标、中心点纵坐标和窗口半径三维特征向量

计算冗余较大

难以满足视频跟踪的实时性要求。提出了一种多粒子群视频跟踪算法

即在跟踪过程中使用多个粒子群

粒子群与粒子群之间粒子半径不同

在各粒子群以评价函数收敛到最佳中心点后

再完成各自半径的一维粒子群计算。这样就可将三维粒子群计算分为一个两维和一个一维粒子群计算

最后通过比较得出最佳粒子

作为搜索结果。分析了这一算法成立的必要条件

即当选择Bhattacharyya系数计算方法作为粒子群算法的评价函数时

大于目标的固定窗体的中心点可以收敛到目标的形心。实验证明

这种基于多粒子群的跟踪算法可以应用于实时视频跟踪

其跟踪效果优于传统算法。

浏览量

248

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

单晶硅熔液面位置检测的图像处理方法研究

用于彩色目标跟踪的改进粒子群优化算法

基于Mean-shift的灰度目标跟踪新算法

光电色度计校正滤色器的一种设计方法