针对目前模型更新方法仅依赖于上一帧或最近帧定位到的目标信息,跟踪的历史信息未充分利用的问题,运用历史跟踪结果设计了多模板模型更新策略,并基于该更新模型结合卷积网络提出了一种新的运动目标跟踪方法。在运动目标跟踪测试视频集VOT2015下与目前热点运动目标跟踪方法对比实验表明:方法对于遮挡现象和目标自身形变具有较强的鲁棒性和较高的准确性。 视频跟踪结果跟踪过程中目标的遮挡和形变出现了跟踪失败或跟踪框漂移的情况，所以覆盖率在某一时刻变为0，中心位置误差逐渐增大。其中在david3视频序列中，TLD算法在第25帧跟踪失败，跟踪框停止移动，但在235帧后目标又移动到其跟踪框范围内，所以其覆盖率曲线呈现凹形，中心位置误差曲线呈现凸形。0200中心位置误差/像素200帧序号覆盖率/%4080120160200帧序号050100中心位置误差/像素0覆盖率/3定量分析对比通过上述实验结果可以看出，TLD算法在目标发生遮挡时的鲁棒性较低，机器人路径规划-数控滚圆机电动滚圆机滚弧机价格低电动滚圆机多少钱DLT算法和CNT算法在目标发生前形态变化前跟踪比较稳定，但在目标形态和初始状态有了较大差异或遮挡时，其模型更新方法易受到错误信息的干扰，本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name出现跟踪框尺度变换异常或跟踪漂移的状况。CNT算法依赖初始目标特征的迭代更新，当目标的局部结构和内部几何布局发生较大变化时容易导致跟踪错误。而本文算法维持着目标的差异性和多样性模板库，当遮挡和形变后，可以从模板库内找到遮挡之前目标的相似信息，实现目标持续跟踪。4结束语针对滑动平均模型更新法和选择特征模型更新法过于依赖于上一帧或最近帧定位到的目标信息，不能很好地应对复杂背景和目标形态变化的情况，本文使用历史跟踪结果构建目标特征模板库并结合CNT算法的卷积网络特征提取，为运动目标跟踪提供了更完整的候选匹配信息。实验证明:改进算法在保留了?针对粒子群优化(PSO)算法收敛速度快但容易陷入局部极值和细菌觅食优化(BFO)算法全局搜索能力强但效率低的问题,提出了一种将BFO算法的趋化、迁徙和复制操作引入到粒子群搜索过程的具有全局搜索能力和快速收敛的混合算法。在BFO算法和PSO算法的原理、操作步骤基础上,分别使用了PSO算法、BFO法和混合算法对移动机器人进行全局路径规划仿真试验,并分别给出了各算法的迭代次数、适应值曲线。仿真结果表明:与PSO算法和BFO算法相比,所提出的混合算法具有搜索时间短、迭代次数少的优点,较好验证了混合算法在移动机器人路径规划方面的可行性和有效性。 机器人路径规划-数控滚圆机电动滚圆机滚弧机价格低电动滚圆机多少钱本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name