一种快速目标跟踪方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理跟踪领域，尤其是一种基于改进的引力搜索的目标跟踪方法 及装置。
【背景技术】
[0002] 在过去的几十年里，人们从自然界生物、生态等系统中"优胜劣汰"的行为中受到 启发，提出了许多启发式优化算法或模型，例如人工蜂群算法、双螺旋结构、蚁群算法、微粒 群算法、人工免疫算法、模拟退火算法等等。上述智能算法都属于一类模拟自然界生物系统 为适应环境需要优化其生存状态的智能计算方法。因此，这些算法基本都有自适应、自组 织、自学习等特点，而且在不同条件和环境下算法均适用和有效。尽管人们对智能计算的研 究时间不长，在这一领域还有许多问题需要进一步研究和解决，但理论研究和实际应用表 明智能计算是一个很有前途的研究方向。目前，智能计算已在复杂优化问题求解和实际应 用中显示出强大的生命力和进一步发展的潜力，智能计算已成为国际人工智能领域中备受 关注的研究热点和前沿性课题。
[0003] 虽然上述列举的算法都具有优异的性能和巨大的发展潜力，但在实际情况中每一 种算法只是在针对某种特殊的问题比其他算法的效果要好，因此探索一种新的启发式算 法仍然是非常有必要的。2009年伊朗的克曼大学教授Esmat Rashedi等人提出了引力搜 索算法（Gravitational Search Algorithm)，该智能算法是基于牛顿万有引力定律："在 宇宙间，每一个粒子由于万有引力的作用而彼此相互吸引，这力的大小与粒子的质量成正 比，与它们之间的距离成反比"。该算法通过粒子在空间中按照两个很简单的迭代方程移 动更新，迭代方程来源于天体力学。这样粒子在问题空间中产生从无序到有序的演化过 程，最终获得最优解。基于该算法的简单可行，我们可以将该智能计算用于目标跟踪，传统 的目标跟踪在对空间搜索时较为耗时耗力，跟踪效果的影响因素有很多。例如，专利号为 201310343826. 3的"基于视觉的目标跟踪方法及装置"的专利文件中，提供了一种目标跟踪 的方法，该方法首先采集航拍区的图像信息；然后用分类器将采集的信息分类，获取目标信 息；最后根据所获取的目标信息，按照金字塔光流算法对所述目标对象进行跟踪。但是，该 方法在现有技术中还存在着许多难题。例如，具有良好可分性的视觉特征，是实现对跟踪目 标与视场背景精确分割与提取的关键，因此视觉特征的选择是实现鲁棒跟踪前提。这就要 求所选视觉特征必须具有较强可分性，否则实现跟踪就有困难。采用金字塔光流算法需要 计算像素点光流的幅值和方向，这就使得光流法运算量较大，很难满足实时性要求，并且光 流法本身对光照变化和噪声敏感，都限制了光流法的实际应用。
【发明内容】
[0004] 本发明目的在于提供一种搜索时间短、匹配精度高、跟踪实时性高的目标跟踪的 方法及装置。
[0005] 为实现上述目的，采用了以下技术方案：本发明所述跟踪方法的步骤如下：
[0006] (1)通过视频采集单元采集目标运动的视频，对视频进行处理后获得运动图像的 灰度图像，确定搜索空间，在计算机窗口手动选择跟踪目标；
[0007] (2)参数初始化，对粒子群参数进行设置，粒子群参数包括种群规模、迭代次数、万 有引力常数初始值G。以及c i、c2常量的值；确定目标变量，对粒子群的随机位置和速度进行 初始设定；Cl、C 2表示[0, 1]之间的常量，可根据结果调整其值；
[0008] (3)利用灰度匹配算法中的绝对误差和测度函数设定出适应度函数，计算出每个 粒子的适应度；
[0009] (4)更新粒子的万有引力常数G、粒子最优值、粒子最坏值和粒子的惯性质量；
[0010] (5)计算各粒子所受合力F、质量M、加速度a，并且更新粒子的速度和位置；
[0011] (6)粒子的速度和位置更新完后，完成一次迭代，如果满足迭代次数要求，则退出 循环迭代；若不满足迭代次数要求，返回步骤（3)继续进行循环迭代，计算新位置的适应值 并选择更新粒子位置，直至达到循环次数后结束循环，输出最后的搜索结果。
[0012] 进一步的，在步骤（1)中，通过手动操作在第一帧图像标记目标，将其保存作为模 板图像，后面产生的搜索图像与模板图像进行匹配。
[0013] 进一步的，在步骤（2)中，在初始化过程中，粒子按照高斯规律随机分布在搜索空 间，种群中粒子的位置根据自身情况有目的的调整更新。
[0014] 进一步的，在步骤（3)中，对于每个粒子，将其适应值与所经历过的最好位置 的适应值进行比较，若较好，则将其作为当前的最好位置；对于每个粒子，将其适应值与全 局所经历的最好位置的适应值进行比较，若较好，则将其作为当前的全局最好位置；将 当前最优个体和全局最优个体分别进行存储，粒子在解空间内不断跟踪个体最优值与全局 最优值进行搜索，直到达到规定的迭代次数或满足规定的结束条件为止。
[0015] 进一步的，在步骤（5)中，对于粒子速度的更新，采用改进的万有引力搜索算法， 速度更新函数为
[0017] 式中，X是收缩因子；randp randj，randk表示在[0, 1]之间的随机变量； < 表示 第d维第i个粒子的速度； <表示第d维第i个粒子的加速度；;表示第(1维第1个粒子 的位置KpC2表示[0, 1]之间的常量；.表示粒子i当前经历过的最好位置；gL:表示群 体中所有粒子当前所经历过的最好位置；t表示第t帧。
[0018] 进一步的，在步骤（5)中，对于粒子位置的更新，采用选择模式，使种群向最优解 进化，粒子位置更新公式如下：
[0020] 式中，< 表示第d维第i个粒子的位置；If表示第d维第i个粒子的速度；t表示 第t帧。
[0021] 本发明所述跟踪装置包括图像采集单元、跟踪搜索单元和输出单元；其中，所述图 像采集单元由摄像设备组成，采集运动目标的运动过程；跟踪搜索单元由dsp芯片组成，跟 踪搜索单元的初始化方法及搜索算法固化在dsp芯片中；输出单元由显示设备组成；
[0022] 图像采集单元与跟踪搜索单元之间采用数据总线技术进行连接并传输数据，图像 采集单元作为输入设备将图像数据传给跟踪搜索单元；跟踪搜索单元根据预设处理方法对 图像数据进行处理，选取跟踪目标，利用引力搜索算法进行快速搜索空间，存储关键信息， 跟踪搜索单元将搜索单元向输出单元传输，输出单元显示输出数据。
[0023] 工作过程大致如下：
[0024] 通过视频采集单元采集目标运动的视频，获取图像数据，提取目标信息，利用万有 引力搜索算法在搜索空间中搜索目标，搜索满足要求后，将最优结果输出，即完成目标的搜 索。
[0025] 与现有技术相比，本发明具有如下优点：方法简单、搜索时间短、搜索精度高，可提 高跟踪的实时性和准确性。
【附图说明】
[0026] 图1为本发明方法的总体流程示意图。
[0027] 图2为本发明方法的实验结果示意图。
[0028] 图3为本发明装置的结构简图。
【具体实施方式】
[0029] 下面结合附图对本发明做进一步说明：
[0030] 如图1所示，本发明所述跟踪方法的步骤如下：
[0031] (1)通过视频采集单元采集目标运动的视频，对视频进行处理后获得运动图像的 灰度图像，确定搜索空间，手动选择跟踪目标；通过人工操作在第一帧图像标记目标位置， 将其保存作为模板图像，后面产生的搜索图像与模板图像进行匹配。
[0032] (2)参数初始化，对粒子群参数进行设置，粒子群参数包括种群规模、迭代次数、万 有引力常数初始值G。以及c i、c2常量的值；确定目标变量，对粒子群的随机位置和速度进行 初始设定；在初始化过程中，粒子按照高斯规律随机分布在搜索空间，种群中粒子的位置根 据自身情况有目的的调整更新 ；Cl、c2表示[0, 1]之间的常量，在实验过程中，根据结果可适 当调(^、(：2的值。
[0033] (3)利用灰度匹配算法中的绝对误差和测度函数设定出适应度函数，计算出每个 粒子的适应度；对于每个粒子，将其适应值与所经历过的