和声搜索优化粒子滤波的视频目标跟踪方案

摘要：

针对基于粒子滤波(particle filter,PF)的目标跟踪算法易产生样本贫化的问题,提出一种利用和声搜索算法(harmony search,HS)优化重采样粒子滤波的视频目标跟踪方案.采用高斯混合模型(Gaussian mixture model,GMM)对背景建模,在目标视频帧中执行粒子滤波,通过直方图匹配法为每个粒子分配权重;利用和声搜索算法生成新的粒子,通过放弃一部分粒子来提高样本的随机性;对粒子进行重要性重采样,根据粒子权重估计目标状态.在BoBoT和DTU数据集上的实验结果表明,所提算法对目标背景、缩放、遮挡和光照等变化具有较好的鲁棒性,相比其它较新的目标跟踪算法,该算法取得了更好的性能.

关键词：目标跟踪、和声搜索算法、重采样粒子滤波、样本随机性、高斯混合模型

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61170193

在线出版日期：2017-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1905-1910