針對視覺目標跟蹤中傳統(tǒng)搜索方法效率不高、難以求取全局最優(yōu)等問題,利用量子遺傳算法的全局尋優(yōu)能力,提出了一種采用量子遺傳算法作為搜索策略的視覺跟蹤方法.在量子遺傳算法的框架下,將像素點位置作為種群中的個體,提取顏色直方圖作為特征,以相似性度量作為目標函數(shù)計算個體適應(yīng)度值,找出相似度最大的像素點位置輸出,最終完成跟蹤.實驗結(jié)果表明,本文方法在目標速度快、遮擋和非剛性形變等情況下具有明顯優(yōu)勢,且算法運算量小,跟蹤速度快. 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 量子遺傳算法基本原理
3 本文跟蹤算法
    3.1 算法設(shè)置
    3.2 最佳匹配點搜索
    3.3 算法流程
4 實驗
    4.1 搜索策略對比
        4.1.1 實驗結(jié)果分析
        4.1.2 運算速度比較
    4.2 主流跟蹤算法對比
        4.2.1 定性分析
        4.2.2 定量分析
5 結(jié)論


【參考文獻】：
期刊論文
[1]基于多表觀特征子模型更新的魯棒視覺跟蹤[J]. 范舜奕,管樺,侯志強,余旺盛,戴鉑.  電子學報. 2018(02)
[2]基于改進協(xié)作目標外觀模型的在線視覺跟蹤[J]. 宋濤,李鷗,劉廣怡,崔弘亮.  電子學報. 2017(02)
[3]在線魯棒判別式字典學習視覺跟蹤[J]. 薛模根,朱虹,袁廣林.  電子學報. 2016(04)
[4]基于量子遺傳算法的無線視頻傳感網(wǎng)絡(luò)優(yōu)化覆蓋算法[J]. 樊富有,楊國武,樂千榿,呂鳳毛,趙超.  通信學報. 2015(06)
[5]基于改進量子進化算法的巡航導彈航路規(guī)劃方法[J]. 張磊,方洋旺,柴棟,雍霄駒.  兵工學報. 2014(11)
[6]QGA-RBF神經(jīng)網(wǎng)絡(luò)在礦井瓦斯涌出量預測中的應(yīng)用[J]. 王濤,王洋洋,郭長娜,張繼華.  傳感技術(shù)學報. 2012(01)



本文編號：3730183