基于云自适应粒子群优化粒子滤波的视频目标跟踪

摘要：

针对视频目标跟踪中遮挡问题处理不佳和快速运动目标易丢失的问题，提出一种云自适应PSO(CAPSO)优化粒子滤波的视频目标跟踪算法。算法利用粒子滤波预测目标区域在视频下一帧图像的位置，结合颜色直方图统计特性，引入 CAPSO 算法并根据粒子适应度值将粒子集分成三个子群，分别采用不同的惯性权重生成策略，普通种群的惯性权重由 X 条件云发生器自适应地调整，利用云模型云滴的随机性和稳定倾向性特点，使惯性权重满足快速寻优能力又具有随机性。通过 CAPSO 优化，降低了粒子滤波重采样帧数，减少了算法的运算量，同时提高了搜索精度，能较好处理目标遮挡问题。并且 CAPSO 算法通过采用这三种不同的惯性权重生成策略，可自适应地平衡算法的全局和局部搜索能力来调节粒子的搜索范围，有效地解决了快速运动目标易丢失的问题。仿真实验结果表明，新算法对视频目标跟踪中的遮挡和快速运动目标易丢失的情况具有较好的实时性和准确性。

关键词：目标跟踪、粒子滤波、云模型、粒子群优化

分类号：TP391(计算技术、计算机技术)

资助基金：广西自然科学基金2012GXNSFAA053227;广西民族大学2012研究生教育创新计划gxun-chx2012102资助项目。

在线出版日期：2015-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：452-463