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

在審

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

技術領域

本發(fā)明涉及圖像處理技術領域，特別是一種基于粒子群優(yōu)化算法的視頻多運動目標跟蹤定位方法。

背景技術

粒子群優(yōu)化算法(PSO)是受到飛鳥集群活動的規(guī)律性啟發(fā)，進而利用群體智能建立的一個簡化模型。粒子群算法在對動物集群活動行為觀察基礎上，利用群體中的個體對信息的共享使整個群體的運動在問題求解空間中產(chǎn)生從無序到有序的演化過程，從而獲得最優(yōu)解。PSO同遺傳算法類似，是一種基于迭代的優(yōu)化算法。系統(tǒng)初始化為一組隨機解，通過迭代搜尋最優(yōu)值。但是它沒有遺傳算法用的交叉以及變異，而是粒子在解空間追隨最優(yōu)的粒子進行搜索。同遺傳算法比較，PSO的優(yōu)勢在于簡單容易實現(xiàn)并且沒有許多參數(shù)需要調(diào)整。目前已廣泛應用于函數(shù)優(yōu)化，神經(jīng)網(wǎng)絡訓練，模糊系統(tǒng)控制以及其他遺傳算法的應用領域。

然而，傳統(tǒng)的粒子群算法只能解決單目標定位問題，而不能解決多目標定位問題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術問題是克服現(xiàn)有技術的不足而提供一種基于粒子群優(yōu)化算法的視頻多運動目標跟蹤定位方法，利用圖斑探測結合粒子群優(yōu)化算法，將粒子群分割成相應數(shù)量的子群來達到多目標定位的目的。

本發(fā)明為解決上述技術問題采用以下技術方案：

根據(jù)本發(fā)明提出的一種基于粒子群優(yōu)化算法的視頻多運動目標跟蹤定位方法，包括如下步驟：

步驟1、用戶輸入視頻，按相同時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像素點，記錄每個像素點的三個通道的色彩強度值，計算每個像素點的灰度化值，使每一幀圖像轉化為一個二維矩陣，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和背景像素點，得到圖斑的數(shù)量B及其幾何特征；所述圖斑像素點為運動目標所在像素點，背景像素點為非運動目標所在像素點；具體如下：

步驟2.1、將第一幀圖像作為背景圖像B₀(x,y)，設置閾值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，掃描每個像素點，將DB_i(x,y)中所有灰度值為0的像素點的稱為背景像素點，將DB_i(x,y)中所有灰度值為255的像素點稱為圖斑像素點，圖斑像素點構成的連通域稱為圖斑，獲取圖斑的數(shù)量B，同時獲取每個圖斑的幾何特征，該幾何特征包括圖斑的線段邊界點、外接矩形、面積以及形心位置；

步驟3、設置初始化迭代次數(shù)k為1；

步驟4、探測第k幀輸入圖像I_k，進行粒子的初始化：在每個圖斑的外接矩形內(nèi)隨機生成均勻粒子，第m個圖斑的外接矩形內(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，axis_min是所有圖斑的外接矩形的長邊中的最小長邊，pop_min和pop_max是允許范圍內(nèi)每個粒子群最少和最多的粒子數(shù)，粒子總數(shù)如果k＝1，隨機初始化每個粒子的位置P⁰和速度V⁰，如果k＞1，各粒子初始化為第k-1幀時保存的所有粒子的位置P^k-1和速度V^k-1；

步驟5、運用粒子群優(yōu)化算法，進行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、計算粒子的適應度

其中表示第t次迭代時第j個粒子，λ為加權系數(shù)，是第j個粒子所在圖斑的顏色直方圖的成本，是第j個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，更新每個粒子的局部最佳解決方案：當t＝1時，第t次迭代的局部最佳方案當t＞1時，第j個粒子的第t次迭代的局部最佳方案為