基于人工鱼群算法的目标跟踪与识别

发布时间：2023-06-03 17:54

　　社会的需求促使着目标跟踪与识别技术不断地向前发展,目标跟踪与识别技术已在多个领域得到了很好地应用,并产生了巨大的价值。因此研究目标跟踪与识别技术具有很重要的意义。本文主要对目标跟踪与识别技术进行了研究,另外还研究了人工鱼群算法,并将其引入到目标跟踪与识别中,以此来提高跟踪精度和识别率。主要研究工作如下:(1)针对人工鱼群算法采用固定的视野和步长导致算法收敛后期发生振荡现象、不能精确到达全局极值的问题,提出了两种改进的人工鱼群算法,改进的算法采用变化的视野和步长,视野和步长是根据人工鱼彼此之间的距离来确定的,视野和步长逐渐减小,避免了人工鱼群算法采用固定的小视野、小步长或者大视野、大步长所出现的各种情况,经过实验证明,改进之后的算法能够更精确地收敛到极值。(2)针对LBP特征提取算法对噪声敏感、二值模式数量过多问题,本文提出了一种改进的LBP算法,改进的算法生成的二值模式数量比原来减少了一半,同时增加了对噪声的容忍程度,对比分析了另外四种特征提取算法,经过实验证明,改进后的算法得到了明显的提升。(3)针对粒子滤波算法的粒子权值会随着迭代的进行而逐渐减小,粒子权值的方差变大,导致估计的状态...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状及发展趋势
        1.2.1 人工鱼群算法的研究现状
        1.2.2 目标跟踪研究现状
        1.2.3 目标识别之人脸识别研究现状
    1.3 本文研究内容
    1.4 论文结构安排
    参考文献
第二章 图像特征提取、目标跟踪识别技术综述
    2.1 图像特征提取算法
        2.1.1 HOG算法概述
        2.1.2 WLD算法概述
        2.1.3 Gabor+PCA算法概述
        2.1.4 2DLDA算法概述
    2.2 运动目标跟踪技术
    2.3 目标识别技术
    2.4 本章小结
    参考文献
第三章 改进的人工鱼群算法
    3.1 传统人工鱼群算法
        3.1.1 觅食行为
        3.1.2 聚群行为
        3.1.3 追尾行为
        3.1.4 随机行为
        3.1.5 公告牌
        3.1.6 行为评价
    3.2 参数对算法收敛的影响
    3.3 改进的人工鱼群算法
    3.4 仿真实验分析
        3.4.1 函数的收敛曲线和结果
        3.4.2 标准差
    3.5 本章小结
第四章 基于改进人工鱼群算法的人脸识别
    4.1 支持向量机
        4.1.1 支持向量机基本原理
        4.1.2 人工鱼群算法对支持向量机参数的优化
        4.1.3 参数对支持向量机的影响
    4.2 LBP人脸特征提取算法
        4.2.1 传统LBP算法概述
        4.2.2 改进的LBP算法
    4.3 改进的人工鱼群算法优化支持向量机参数的人脸识别
    4.4 实验结果分析
    4.5 本章小结
    参考文献
第五章 基于改进人工鱼群算法的粒子滤波目标跟踪
    5.1 贝叶斯估计理论
    5.2 粒子滤波目标跟踪
    5.3 改进的人工鱼群算法
    5.4 基于改进人工鱼群算法的粒子滤波目标跟踪
    5.5 仿真实验分析
        5.5.1 实验结果及分析
        5.5.2 标准差
        5.5.3 函数的收敛曲线
        5.5.4 跟踪结果
    5.6 本章小结
    参考文献
第六章 总结与展望
    6.1 论文总结
    6.2 展望
攻读硕士学位期间学术成果及奖励
致谢



本文编号：3829766