-
题名动态自适应特征融合的MFOPA跟踪器
被引量：7
- 1
-
-
作者
黄鹤
李文龙
吴琨
杨澜
王会峰
王萍
-
机构
长安大学电子与控制工程学院
长安大学信息工程学院
西安市智慧高速公路信息融合与控制重点实验室
中山大学智能工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第5期1350-1358,共9页
-
基金
国家重点研发计划项目(No.2021YFB2501200)
国家自然科学基金面上项目(No.52172379,No.52172324)
+3 种基金
陕西省重点研发计划项目(No.2021SF-483)
陕西省博士后科研项目(No.2018BSHYDZZ64)
西安市智慧高速公路信息融合与控制重点实验室(长安大学)开放基金项目(No.300102321502)
中央高校基本科研业务费资助项目(No.300102240203)。
-
文摘
本文针对无人机航拍跟踪算法实时性差且易发生跟踪漂移的问题,提出了一种动态自适应特征融合的改进飞蛾扑火优化跟踪器.本文设计了一种基于趋光-聚集度飞蛾扑火优化算法的目标跟踪框架,采用高斯分布和趋光-聚集度改进飞蛾扑火算法的初始化和迭代方式,将改进后的飞蛾扑火算法作为搜索策略优化目标跟踪,提升了跟踪效率;同时,在趋光-聚集度飞蛾扑火优化算法跟踪框架的基础上,本文定义了一种自适应多特征融合的模板和选择了一种动态更新的模板策略,充分利用颜色名特征、融合方向梯度直方图特征及灰度特征各自的优势,消除复杂环境中无人机跟踪受到的干扰,并解决在遮挡等情况下学习到无效的背景信息而导致特征模板退化的问题.实验结果表明,本文提出的算法在复杂环境场景下能够适应不同情况下环境的变化,平均跟踪精度达到87%,保持稳定跟踪,跟踪速度为31.6帧/s,满足实时性要求,大幅提升了跟踪器的精度和鲁棒性.
-
关键词
目标跟踪
群体智能算法
改进飞蛾扑火算法
特征融合
余弦相似度
高斯初始化
-
Keywords
target tracking
swarm intelligence algorithm
improved moth-flame optimization
feature fusion
cosine similarity
Gaussian initialization
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
