本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法。

背景技術(shù)：

粒子群優(yōu)化算法(pso)是受到飛鳥(niǎo)集群活動(dòng)的規(guī)律性啟發(fā)，進(jìn)而利用群體智能建立的一個(gè)簡(jiǎn)化模型。粒子群算法在對(duì)動(dòng)物集群活動(dòng)行為觀察基礎(chǔ)上，利用群體中的個(gè)體對(duì)信息的共享使整個(gè)群體的運(yùn)動(dòng)在問(wèn)題求解空間中產(chǎn)生從無(wú)序到有序的演化過(guò)程，從而獲得最優(yōu)解。pso同遺傳算法類(lèi)似，是一種基于迭代的優(yōu)化算法。系統(tǒng)初始化為一組隨機(jī)解，通過(guò)迭代搜尋最優(yōu)值。但是它沒(méi)有遺傳算法用的交叉以及變異，而是粒子在解空間追隨最優(yōu)的粒子進(jìn)行搜索。同遺傳算法比較，pso的優(yōu)勢(shì)在于簡(jiǎn)單容易實(shí)現(xiàn)并且沒(méi)有許多參數(shù)需要調(diào)整。目前已廣泛應(yīng)用于函數(shù)優(yōu)化，神經(jīng)網(wǎng)絡(luò)訓(xùn)練，模糊系統(tǒng)控制以及其他遺傳算法的應(yīng)用領(lǐng)域。

然而，傳統(tǒng)的粒子群算法只能解決單目標(biāo)定位問(wèn)題，而不能解決多目標(biāo)定位問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是克服現(xiàn)有技術(shù)的不足而提供一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法，利用圖斑探測(cè)結(jié)合粒子群優(yōu)化算法，將粒子群分割成相應(yīng)數(shù)量的子群來(lái)達(dá)到多目標(biāo)定位的目的。

本發(fā)明為解決上述技術(shù)問(wèn)題采用以下技術(shù)方案：

根據(jù)本發(fā)明提出的一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法，包括如下步驟：

步驟1、用戶輸入視頻，按相同時(shí)間間隔均勻抽取視頻中的f幀圖像，按行訪問(wèn)每一幀圖像的每個(gè)像素點(diǎn)，記錄每個(gè)像素點(diǎn)的三個(gè)通道的色彩強(qiáng)度值，計(jì)算每個(gè)像素點(diǎn)的灰度化值，使每一幀圖像轉(zhuǎn)化為一個(gè)二維矩陣，將第i幀圖像記為ii，i∈{1,2,…,f}；

步驟2、依次將每幀圖像分割為圖斑像素點(diǎn)和背景像素點(diǎn)，得到圖斑的數(shù)量b及其幾何特征；所述圖斑像素點(diǎn)為運(yùn)動(dòng)目標(biāo)所在像素點(diǎn)，背景像素點(diǎn)為非運(yùn)動(dòng)目標(biāo)所在像素點(diǎn)；具體如下：

步驟2.1、將第一幀圖像作為背景圖像b0(x,y)，設(shè)置閾值t；

步驟2.2、依次將i的取值從1到f-1，采用公式求出ii與ii+1之間的幀差二值圖像di，由幀差二值圖像di更新第i幀的背景圖像bi(x,y)，α為更新速度；

步驟2.3、將bf-1(x,y)視為背景圖像b(x,y)；

步驟2.4、依次將i取值1到f-1，采用公式計(jì)算背景差分二值圖像dbi(x,y)；在背景差分二值圖像dbi(x,y)中，掃描每個(gè)像素點(diǎn)，將dbi(x,y)中所有灰度值為0的像素點(diǎn)的稱(chēng)為背景像素點(diǎn)，將dbi(x,y)中所有灰度值為255的像素點(diǎn)稱(chēng)為圖斑像素點(diǎn)，圖斑像素點(diǎn)構(gòu)成的連通域稱(chēng)為圖斑，獲取圖斑的數(shù)量b，同時(shí)獲取每個(gè)圖斑的幾何特征，該幾何特征包括圖斑的線段邊界點(diǎn)、外接矩形、面積以及形心位置；

步驟3、設(shè)置初始化迭代次數(shù)k為1；

步驟4、探測(cè)第k幀輸入圖像ik，進(jìn)行粒子的初始化：在每個(gè)圖斑的外接矩形內(nèi)隨機(jī)生成均勻粒子，第m個(gè)圖斑的外接矩形內(nèi)的粒子數(shù)為pop(m)，pop(m)＝min((axis(m)/axismin)*popmin,popmax)，其中，axis(m)是圖斑的外接矩形的長(zhǎng)，axismin是所有圖斑的外接矩形的長(zhǎng)邊中的最小長(zhǎng)邊，popmin和popmax是允許范圍內(nèi)每個(gè)粒子群最少和最多的粒子數(shù)，粒子總數(shù)如果k＝1，隨機(jī)初始化每個(gè)粒子的位置p⁰和速度v⁰，如果k＞1，各粒子初始化為第k-1幀時(shí)保存的所有粒子的位置p^k-1和速度v^k-1；

步驟5、運(yùn)用粒子群優(yōu)化算法，進(jìn)行m次迭代；具體如下：

步驟5.1、初始化迭代次數(shù)t為1；

步驟5.2、計(jì)算粒子的適應(yīng)度

其中表示第t次迭代時(shí)第j個(gè)粒子，λ為加權(quán)系數(shù)，是第j個(gè)粒子所在圖斑的顏色直方圖的成本，是第j個(gè)粒子所在圖斑的梯度方向的梯度成本，j＝1,2,3…q；

步驟5.3、依次將j的取值從1到q，更新每個(gè)粒子的局部最佳解決方案：當(dāng)t＝1時(shí)，第t次迭代的局部最佳方案當(dāng)t＞1時(shí)，第j個(gè)粒子的第t次迭代的局部最佳方案為

更新第t次迭代的整體最佳方案：t＝1時(shí)，gbest(t)＝p^t，其中，p¹為初始化時(shí)全體粒子的位置矩陣；當(dāng)t＞1時(shí)，第t次迭代的整體最佳方案為

步驟5.4、通過(guò)計(jì)算來(lái)更新所有粒子的第t次的位置p^t和速度v^t；其中，w為加權(quán)系數(shù)，c1和c2是加速度常數(shù)，r1和r2是由隨機(jī)值1或0組成的矩陣，為第t-1次迭代所有粒子達(dá)到的局部最佳方案，是第t-1次迭代時(shí)的整體最佳方案，v^t和v^t-1是第t次迭代和第t-1次迭代時(shí)的全體粒子的速度；

步驟5.5、當(dāng)?shù)螖?shù)t沒(méi)有達(dá)到預(yù)設(shè)的最大迭代次數(shù)m，t＝t+1，回到步驟5.3；若t＝m，則執(zhí)行步驟5.6；

步驟5.6、保存第k幀輸入圖像ik中每個(gè)粒子的位置p^m和速度v^m，并保存第k幀輸入圖像ik中每個(gè)粒子所在圖斑的外接矩形的四個(gè)頂點(diǎn)坐標(biāo)值；

步驟5.7、當(dāng)k＜f時(shí)，k自增1，回到步驟4，否則結(jié)束探測(cè)。

作為本發(fā)明所述的一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法進(jìn)一步優(yōu)化方案，r1和r2是由隨機(jī)值1或0組成的q×4矩陣。

作為本發(fā)明所述的一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法進(jìn)一步優(yōu)化方案，為q×4矩陣。

作為本發(fā)明所述的一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法進(jìn)一步優(yōu)化方案，是q×4矩陣。

作為本發(fā)明所述的一種基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)跟蹤定位方法進(jìn)一步優(yōu)化方案，在q×4矩陣中，每一行對(duì)應(yīng)每一個(gè)粒子，每一列對(duì)應(yīng)一個(gè)粒子的每個(gè)維度。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

(1)本發(fā)明所述的基于粒子群優(yōu)化算法的多運(yùn)動(dòng)目標(biāo)定位方法，解決了傳統(tǒng)的粒子群優(yōu)化算法不能定位部分運(yùn)動(dòng)目標(biāo)的問(wèn)題。本發(fā)明提出的粒子群優(yōu)化算法過(guò)重復(fù)擦除已檢測(cè)到的對(duì)象的過(guò)程，實(shí)現(xiàn)了定位部分被遮擋目標(biāo)、解決了多個(gè)對(duì)象的膠著問(wèn)題；

(2)本發(fā)明采用基于圖斑特征引導(dǎo)的粒子群探測(cè)器，由于所有的特征圖已經(jīng)歸一化到較小的空間尺度，意味著低空間分辨率，因此可以降低需要掃描的像素，從而有效降低算法的計(jì)算成本。

附圖說(shuō)明

圖1是基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)定位方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)說(shuō)明：

如圖1所示是基于粒子群優(yōu)化算法的視頻多運(yùn)動(dòng)目標(biāo)定位方法的流程圖，具體如下：

步驟1)、從車(chē)輛監(jiān)控錄像中選取一段8046幀視頻序列，壓縮大小至240x320像素，按相同時(shí)間間隔均勻抽取視頻的中的40幀畫(huà)面。按行訪問(wèn)每一幀畫(huà)面的每個(gè)像素點(diǎn)，記錄每個(gè)像素點(diǎn)的三個(gè)通道的色彩強(qiáng)度值，計(jì)算每個(gè)像素點(diǎn)的灰度化值，使每一幀圖像轉(zhuǎn)化為一個(gè)二維矩陣，將第i幀圖像轉(zhuǎn)化成的二維矩陣記為ii，i∈{1,2,…,40}；

步驟2)、依次將每幀圖像分割為圖斑像素點(diǎn)和背景像素點(diǎn)，得到圖斑的數(shù)量及其幾何特征，所述圖斑像素點(diǎn)為運(yùn)動(dòng)目標(biāo)所在像素點(diǎn)，背景像素點(diǎn)為非運(yùn)動(dòng)目標(biāo)所在像素點(diǎn)；

步驟2)具體步驟如下：

步驟2.1)、將第一幀圖像作為背景圖像b0(x,y)，設(shè)置閾值t＝27；

步驟2.2)、依次將i取值1到f-1，采用公式求出ii與ii+1之間的幀差二值圖像di，由幀差二值圖像di更新背景圖像設(shè)置更新速度α＝0.6。

步驟2.3)、b39(x,y)可視為背景圖像矩陣b(x,y)；

步驟2.4)、依次將i取值1到39，采用公式計(jì)算背景差分二值圖像dbi(x,y)；在背景差分二值圖像dbi(x,y)中，掃描每個(gè)像素點(diǎn)，將dbi(x,y)中所有灰度值為0的像素點(diǎn)的稱(chēng)為背景像素點(diǎn)，將dbi(x,y)中所有灰度值為255的像素點(diǎn)稱(chēng)為圖斑像素點(diǎn)，圖斑像素點(diǎn)構(gòu)成的連通域稱(chēng)為圖斑，獲取圖斑的數(shù)量為5，同時(shí)獲取每個(gè)圖斑的幾何特征，該幾何特征包括圖斑的線段邊界點(diǎn)、外接矩形、面積以及形心位置；

步驟3)、設(shè)置迭代次數(shù)k，將k初始化為1；

步驟4)、探測(cè)第k幀輸入圖像ik，進(jìn)行粒子的初始化：在每個(gè)圖斑的外接矩形內(nèi)隨機(jī)生成均勻粒子，第m個(gè)圖斑的外接矩形內(nèi)的粒子數(shù)為pop(m)，pop(m)＝min((axis(m)/axismin)*popmin,popmax)，計(jì)算出每個(gè)矩形內(nèi)的粒子數(shù)大約為8個(gè)，其中axismin＝80，粒子總數(shù)q＝40；如果k＝1，隨機(jī)初始化每個(gè)粒子的位置p⁰和速度v⁰，如果k＞1，各粒子初始化為第k-1幀時(shí)保存的所有粒子的位置p^k-1和速度v^k-1；

步驟5)、運(yùn)用粒子群優(yōu)化算法，進(jìn)行16次迭代，流程如下：

步驟5.1、初始化迭代次數(shù)t為1；

步驟5.2、其中表示第t次迭代時(shí)第j個(gè)粒子，λ為加權(quán)系數(shù)，是粒子所在圖斑的顏色直方圖的成本，是粒子所在圖斑的梯度方向的梯度成本；

步驟5.3、依次將j取值1到40，更新每個(gè)粒子的局部最佳解決方案：當(dāng)t＝1時(shí)，當(dāng)t＞1時(shí)，zbest1第j個(gè)粒子的第t次迭代的局部最佳方案為

更新第t次迭代的整體最佳方案：t＝1時(shí)，gbest(t)＝p^t，其中p¹為初始化時(shí)全體粒子的位置矩陣，p¹為；當(dāng)t＞1時(shí)，第t次迭代的整體最佳方案為

當(dāng)?shù)螖?shù)j沒(méi)有達(dá)到粒子數(shù)目8，j＝j(luò)+1，回到步驟5.2；若t＝8，則執(zhí)行步驟5.3；

步驟5.4、通過(guò)計(jì)算來(lái)更新每個(gè)粒子的狀態(tài)和速度。設(shè)定加速度常數(shù)c1＝1，c2＝5，加權(quán)系數(shù)w＝1，由隨機(jī)值1或0組成8×4的矩陣r1和r2。

步驟5.5、當(dāng)?shù)螖?shù)t沒(méi)有達(dá)到預(yù)設(shè)的最大迭代次數(shù)16，t＝t+1，回到步驟5.3；若t＝16，則執(zhí)行步驟5.6；

步驟5.6、保存第k幀輸入圖像ik中每個(gè)粒子的位置p^m和速度v^m，并保存第k幀輸入圖像ik中每個(gè)粒子所在圖斑的外接矩形的四個(gè)頂點(diǎn)坐標(biāo)值；

步驟5.7、當(dāng)k＜f時(shí)，k自增1，回到步驟4，否則結(jié)束探測(cè)。最后得到的最后一幀圖像中的5個(gè)運(yùn)動(dòng)汽車(chē)的外接矩形的頂點(diǎn)坐標(biāo)值為{(2,12)，(2,60)，(24,12)，(24，60)}，{(12,23)，(12,69)，(27,23)，(27，69)}，{(25,78)，(25,141)，(47,78)，(24，141)}，{(121,35)，(121,65)，(134,35)，(134，65)}，{(205,267)，(205,298)，(234,267)，(234，298)}。

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說(shuō)明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演或替代，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。