-
公开(公告)号：CN109658436B
公开(公告)日：2020-09-01
申请号：CN201811471278.1
申请日：2018-12-04
申请人： 郑州轻工业学院
摘要： 本发明提出了一种混合GOA和TLBO搜索的快速运动目标跟踪方法，用以解决传统优化算法应用在视频目标跟踪中跟踪精度和效率低的问题。本发明的步骤为：初始化目标状态参数和优化模型参数；采用GOA的全局探索与目标相似的候选区域；利用TLBO的局部搜索与目标图像最为相似的候选图像块；计算候选图像块与目标图像块的相似度值；选取最优候选图像块作为本次迭代目标图像块及下一帧的目标状态参数进行下一帧图像的跟踪；重复上述步骤实现视频目标跟踪。本发明结合GOA全局探索能力强和TLBO的局部开发能力强的特点，能够有效的实现帧间的快速或突变运动的持续性跟踪，提高了在复杂场景下的适应能力，具有重要的理论意义和实用价值。
-
公开(公告)号：CN108305272B
公开(公告)日：2020-04-28
申请号：CN201810161968.0
申请日：2018-02-27
申请人： 郑州轻工业学院
摘要： 本发明提出了一种基于ALO搜索的突变运动目标跟踪方法，用以解决现有运动目标跟踪方法运行效率不高、包含较多的调节参数的问题。初始化目标状态参数和ALO算法的优化模型参数；采用ALO算法搜索候选图像块，实现目标跟踪；将输出的最优候选图像块作为当前帧图像的目标图像块及下一帧的目标状态参数，进行下一帧图像的跟踪。本发明采取全局最优的运动状态搜索机制及较少的模型调节参数，基于蚁狮算法的搜索机制，在蚂蚁随机游走的基础上，采用轮盘赌随机选择蚁狮和精英蚁狮共同影响蚂蚁行走路径，随着迭代次数的增加，逐步缩小搜索空间，提高运行效率，能够很好的适应运动目标跟踪问题，后续对跟踪目标的识别、理解和分析具有重要意义。
-
公开(公告)号：CN109658436A
公开(公告)日：2019-04-19
申请号：CN201811471278.1
申请日：2018-12-04
申请人： 郑州轻工业学院
摘要： 本发明提出了一种混合GOA和TLBO搜索的快速运动目标跟踪方法，用以解决传统优化算法应用在视频目标跟踪中跟踪精度和效率低的问题。本发明的步骤为：初始化目标状态参数和优化模型参数；采用GOA的全局探索与目标相似的候选区域；利用TLBO的局部搜索与目标图像最为相似的候选图像块；计算候选图像块与目标图像块的相似度值；选取最优候选图像块作为本次迭代目标图像块及下一帧的目标状态参数进行下一帧图像的跟踪；重复上述步骤实现视频目标跟踪。本发明结合GOA全局探索能力强和TLBO的局部开发能力强的特点，能够有效的实现帧间的快速或突变运动的持续性跟踪，提高了在复杂场景下的适应能力，具有重要的理论意义和实用价值。
-
公开(公告)号：CN108305272A
公开(公告)日：2018-07-20
申请号：CN201810161968.0
申请日：2018-02-27
申请人： 郑州轻工业学院
摘要： 本发明提出了一种基于ALO搜索的突变运动目标跟踪方法，用以解决现有运动目标跟踪方法运行效率不高、包含较多的调节参数的问题。初始化目标状态参数和ALO算法的优化模型参数；采用ALO算法搜索候选图像块，实现目标跟踪；将输出的最优候选图像块作为当前帧图像的目标图像块及下一帧的目标状态参数，进行下一帧图像的跟踪。本发明采取全局最优的运动状态搜索机制及较少的模型调节参数，基于蚁狮算法的搜索机制，在蚂蚁随机游走的基础上，采用轮盘赌随机选择蚁狮和精英蚁狮共同影响蚂蚁行走路径，随着迭代次数的增加，逐步缩小搜索空间，提高运行效率，能够很好的适应运动目标跟踪问题，后续对跟踪目标的识别、理解和分析具有重要意义。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
