文档介绍:粒子群优化目标跟踪方法及技术
郭巳秋
2015 年 1 月
中图分类号:
UDC 分类号:535
粒子群优化目标跟踪方法及技术
作 者 姓 名 郭 巳 秋
学 院 名 称 光电学院
指 导 教 师 许廷发教授
答辩委员会主席
申 请 学 位 工学硕士
学 科 专 业 光学工程
学位授予单位 北京理工大学
论文答辩日期 2015 年 1 月
The method and technique of particle swarm
optimization object tracking
Candidate Name: Guo SiQiu
School or Department: School of Optoelectronics
Faculty Mentor: Prof. Tingfa Xu
Chair, Thesis Committee:
Degree Applied: Master of Engineering
Major: Optical Engineering
Degree by: Beijing Institute of Technology
The Date of Defence: January,2015
研究成果声明
本人郑重声明:所提交的学位论文是我本人在指导教师的指导下进行
的研究工作获得的研究成果。尽我所知,文中除特别标注和致谢的地方外,
学位论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得
北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工
作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的
说明并表示了谢意。
特此申明。
签 名: 日期:
北京理工大学硕士学位论文
摘要
粒子群算法因为具有遍历搜索空间、迅速收敛的特性,将其应用到目标跟踪领域
中,以应对目标出现部分遮挡时,即相似性函数出现“多峰”时的跟踪问题。针对粒
子群优化跟踪算法中惯性权重调节机制局限性的问题,提出了改进方法,在保证粒子
群优化目标跟踪算法跟踪精确度不变的前提下,提高了算法运算效率。
论文的主要工作和取得的成果如下:
1. 阐述了目标跟踪系统和粒子群算法的基本原理,总结了粒子群算法应用到目
标跟踪领域中的优势。
2. 分析了粒子群优化目标跟踪算法中目标特征的提取、相似性度量以及粒子群
算法参数的选择。通过仿真实验证实,把粒子群算法应用到目标跟踪领域,可以应对
目标出现部分遮挡时的跟踪问题;与平均绝对差分算法(Mean absolute difference,
MAD)算法相比较,突出了粒子群优化目标跟踪