学位论文 > 优秀研究生学位论文题录展示

基于群体智能算法的动态目标跟踪技术研究

作　者: 马勤
导　师: 杨淑莹
学　校: 天津理工大学
专　业: 计算机应用技术
关键词: 动态目标跟踪群体智能算法混合蛙跳算法粒子滤波遗传算法粒子群优化算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 42次
引　用: 0次
阅　读: 论文下载

内容摘要

动态目标跟踪技术是计算机视觉研究领域中最重要的研究课题之一,在视觉导航、军事制导、交通监测、医疗诊断等方面都有着广泛的应用。粒子滤波技术是目标跟踪领域的核心算法,该算法采用无智能的粒子群体组成,具有群体的共性。本文研究使无智能的粒子群体具有群体智能行为的方法,将群体智能技术融入到粒子滤波算法中,提高动态目标跟踪的精度和鲁棒性。本文研究遗传算法、粒子群优化方法和混合蛙跳等群体智能算法的寻优机制,探索可行解之间协作、交互、进化的机制；以及粒子滤波动态目标跟踪机制,找到它们之间的交会融合点,为具有群体智能化的粒子滤波技术打下基础。构建混合蛙跳跟踪模型,把无智能的粒子赋予分群机制、选择机制、信息交互与协作机制、进化机制,使粒子群体表现出复杂的智能行为,使得目标跟踪过程成为一个不断地修正自身进行寻优搜索的过程。实验表明,混合蛙跳跟踪模型具有高效的全局搜索能力,性能优于粒子滤波算法、遗传跟踪算法和粒子群跟踪算法。引入速度松弛迭代策略和交叉算子对混合蛙跳跟踪模型进行改进。利用其它群体智能的优势取长补短,引入速度松弛迭代策略,解决目标在加速、转弯等状态下跟踪不及的问题；引入交叉算子,解决目标在障碍物遮挡时跟踪丢失以及退化现象等问题。实验表明,改进的模型能够得到个体的多样性,并且提高跟踪精度。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-13
  1.1 课题的研究背景和意义  9-10
  1.2 目标跟踪问题的研究现状  10-11
  1.3 群体智能的研究现状  11
  1.4 本文主要的研究工作  11-12
  1.5 本文的组织结构  12-13
第二章群体智能算法静态寻优分析  13-24
  2.1 群体智能算法的理论基础  13-22
    2.1.1 遗传算法的理论基础  13-16
    2.1.2 粒子群优化算法的理论基础  16-18
    2.1.3 混合蛙跳算法的理论基础  18-22
  2.2 各种群体智能算法的寻优机理分析  22-23
  2.3 本章小结  23-24
第三章群体智能动态目标跟踪  24-45
  3.1 粒子滤波算法动态寻优分析  24-29
    3.1.1 粒子滤波算法基本原理  24-27
    3.1.2 粒子滤波在目标跟踪中的应用  27-29
  3.2 群体智能改进粒子滤波的可行性分析  29-30
  3.3 遗传跟踪模型  30-31
  3.4 粒子群跟踪模型  31-34
  3.5 混合蛙跳跟踪模型  34-36
  3.6 实验结果  36-44
    3.6.1 仿真实验  36-43
    3.6.2 视频序列目标跟踪实验结果  43-44
  3.7 本章小结  44-45
第四章改进的混合蛙跳算法在目标跟踪中的应用  45-56
  4.1 混合蛙跳跟踪算法的改进  45-47
    4.1.1 引入速度松弛迭代策略的集群智能混合蛙跳算法  45-46
    4.1.2 引入交叉机制的进化式混合蛙跳算法  46-47
  4.2 改进的混合蛙跳算法在目标跟踪中的应用  47-50
  4.3 实验结果  50-55
    4.3.1 仿真实验  50-51
    4.3.2 视频序列目标跟踪实验结果  51-55
  4.4 本章小结  55-56
第五章总结与展望  56-58
  5.1 本文总结  56
  5.2 研究展望  56-58
参考文献  58-62
发表论文和科研情况说明  62-63
致谢  63

基于群体智能算法的动态目标跟踪技术研究

内容摘要

全文目录

相似论文