[發(fā)明專利]一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710266254.1
• 申請(qǐng)日: 2017-04-21
• 公開（公告）號(hào): CN107169990A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計(jì)）人: 張姝彥;岳文靜;陳志;董聰;薛麗
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06N3/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司32200
• 代理人: 朱楨榮

1.一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法，其特征在于，包括如下步驟：

步驟1、用戶輸入視頻，按相同時(shí)間間隔均勻抽取視頻中的f幀圖像，按行訪問每一幀圖像的每個(gè)像素點(diǎn)，記錄每個(gè)像素點(diǎn)的三個(gè)通道的色彩強(qiáng)度值，計(jì)算每個(gè)像素點(diǎn)的灰度化值，使每一幀圖像轉(zhuǎn)化為一個(gè)二維矩陣，將第i幀圖像記為I_i，i∈{1,2,…,f}；

步驟2、依次將每幀圖像分割為圖斑像素點(diǎn)和背景像素點(diǎn)，得到圖斑的數(shù)量B及其幾何特征；所述圖斑像素點(diǎn)為運(yùn)動(dòng)目標(biāo)所在像素點(diǎn)，背景像素點(diǎn)為非運(yùn)動(dòng)目標(biāo)所在像素點(diǎn)；具體如下：

步驟2.1、將第一幀圖像作為背景圖像B₀(x,y)，設(shè)置閾值T；

步驟2.2、依次將i的取值從1到f-1，采用公式求出I_i與I_i+1之間的幀差二值圖像D_i，由幀差二值圖像D_i更新第i幀的背景圖像B_i(x,y)，α為更新速度；

步驟2.3、將B_f-1(x,y)視為背景圖像B(x,y)；

步驟2.4、依次將i取值1到f-1，采用公式計(jì)算背景差分二值圖像DB_i(x,y)；在背景差分二值圖像DB_i(x,y)中，掃描每個(gè)像素點(diǎn)，將DB_i(x,y)中所有灰度值為0的像素點(diǎn)的稱為背景像素點(diǎn)，將DB_i(x,y)中所有灰度值為255的像素點(diǎn)稱為圖斑像素點(diǎn)，圖斑像素點(diǎn)構(gòu)成的連通域稱為圖斑，獲取圖斑的數(shù)量B，同時(shí)獲取每個(gè)圖斑的幾何特征，該幾何特征包括圖斑的線段邊界點(diǎn)、外接矩形、面積以及形心位置；

步驟3、設(shè)置初始化迭代次數(shù)k為1；

步驟4、探測(cè)第k幀輸入圖像I_k，進(jìn)行粒子的初始化：在每個(gè)圖斑的外接矩形內(nèi)隨機(jī)生成均勻粒子，第m個(gè)圖斑的外接矩形內(nèi)的粒子數(shù)為pop(m)，pop(m)＝min((axis(m)/axis_min)*pop_min,pop_max)，其中，axis(m)是圖斑的外接矩形的長(zhǎng)，axis_min是所有圖斑的外接矩形的長(zhǎng)邊中的最小長(zhǎng)邊，pop_min和pop_max是允許范圍內(nèi)每個(gè)粒子群最少和最多的粒子數(shù)，粒子總數(shù)如果k＝1，隨機(jī)初始化每個(gè)粒子的位置P⁰和速度V⁰，如果k＞1，各粒子初始化為第k-1幀時(shí)保存的所有粒子的位置P^k-1和速度V^k-1；

步驟5、運(yùn)用粒子群優(yōu)化算法，進(jìn)行M次迭代；具體如下：

步驟5.1、初始化迭代次數(shù)t為1；

步驟5.2、計(jì)算粒子的適應(yīng)度

其中表示第t次迭代時(shí)第j個(gè)粒子，λ為加權(quán)系數(shù)，是第j個(gè)粒子所在圖斑的顏色直方圖的成本，是第j個(gè)粒子所在圖斑的梯度方向的梯度成本，j＝1,2,3…Q；

步驟5.3、依次將j的取值從1到Q，更新每個(gè)粒子的局部最佳解決方案：當(dāng)t＝1時(shí)，第t次迭代的局部最佳方案當(dāng)t＞1時(shí)，第j個(gè)粒子的第t次迭代的局部最佳方案為

更新第t次迭代的整體最佳方案：t＝1時(shí)，gbest(t)＝P^t，其中，P¹為初始化時(shí)全體粒子的位置矩陣；當(dāng)t＞1時(shí)，第t次迭代的整體最佳方案為

gbest(t+1)=min{fitness(P1t+1),fitness(P2t+1),...,fitness(PQt+1),gbest(t)};]]>

步驟5.4、通過計(jì)算來(lái)更新所有粒子的第t次的位置P^t和速度V^t；其中，w為加權(quán)系數(shù)，c₁和c₂是加速度常數(shù)，r₁和r₂是由隨機(jī)值1或0組成的矩陣，為第t-1次迭代所有粒子達(dá)到的局部最佳方案，是第t-1次迭代時(shí)的整體最佳方案，V^t和V^t-1是第t次迭代和第t-1次迭代時(shí)的全體粒子的速度；

步驟5.5、當(dāng)?shù)螖?shù)t沒有達(dá)到預(yù)設(shè)的最大迭代次數(shù)M，t＝t+1，回到步驟5.3；若t＝M，則執(zhí)行步驟5.6；

步驟5.6、保存第k幀輸入圖像I_k中每個(gè)粒子的位置P^M和速度V^M，并保存第k幀輸入圖像I_k中每個(gè)粒子所在圖斑的外接矩形的四個(gè)頂點(diǎn)坐標(biāo)值；

步驟5.7、當(dāng)k＜f時(shí)，k自增1，回到步驟4，否則結(jié)束探測(cè)。