[发明专利]一种混合GOA和TLBO搜索的快速运动目标跟踪方法

权利要求书

1.一种混合GOA和TLBO搜索的快速运动目标跟踪方法，其特征在于，其步骤如下：

步骤一：初始化目标状态参数、GOA和TLBO搜索机制的相关优化模型参数：读取第一帧图像的数据信息，确定目标在第一帧图像的状态参数；GOA和TLBO搜索机制的参数：初始图像块位置数N，最大迭代次数为T；

步骤二：采用GOA和TLBO的搜索机制搜索候选图像块实现目标跟踪：通过GOA的优化模型参数在图像上随机产生N个候选图像块的左上角的位置，在各个位置上截取与目标图像大小相同的图像块作为候选图像块；通过GOA的运动模型更新候选图像块的位置，并计算候选图像块与目标图像块的适应度值；通过TLBO的运动模型进一步更新候选图像块的位置，计算适应度值并与GOA之前产生的适应度值进行比较，选取适应度值最大的候选图像块作为本次迭代的最优候选图像块；

步骤三：将输出的最优候选图像块作为当前帧的目标图像块以及下一帧的目标状态参数，进行下一帧图像目标的跟踪；

步骤四：重复步骤二和—步骤三，实现目标跟踪。

2.根据权利要求1所述的混合GOA和TLBO搜索的快速运动目标跟踪方法，其特征在于，所述GOA的运动模型为：候选图像块的下一个位置是根据当前位置、目标位置和所有其他候选图像块的位置来定义的，候选图像块当前的位置更新为：

其中，ub_d和lb_d分别为二维搜索空间的上界和下界；表示第i个候选图像块在d维上的位置，表示第j个候选图像块在d维上的位置，N表示候选图像块的数量，为当前候选图像块的最优位置；s(·)为候选图像块之间相互影响强度函数；参数c为自适应系数，参数c₁为收缩舒适区、排斥区和吸引区之间的递减系数。

3.根据权利要求1或2所述的混合GOA和TLBO搜索的快速运动目标跟踪方法，其特征在于，所述TLBO的运动模型通过教学阶段和学习阶段不断更新候选图像块的位置，老师充当当前最优候选图像块，学生充当候选图像块；具体步骤为：

A教学阶段的运动模型：候选图像块的更新受当前最优候选图像块的影响，使候选图像块朝向当前最优候选图像块移动，寻找目标图像，其更新公式为：

X_p,new＝X_p+random×(X_teacher-T_F×X_ave)；

其中：X_p,new和X_p分别为第p个候选图像块的新位置和旧位置；random是介于0和1之间的一个随机数；X_teacher是当前最优候选图像块的位置；X_ave为全部候选图像块的平均位置；T_F为教学因子，

旧位置X_p是否更新取决于之前的候选图像块与目标图像块的适应度值，可以表述为：

其中，f(·)表示适应度函数的值；

B学习阶段的运动模型：候选图像块更新总是朝向与目标图像块适应度较好候选图像块的位置移动，从而实现向目标图像块的位置移动，其运动模型为：

其中，X_m和X_n分别为第m个和第n个候选图像块的位置；X_m,new为第m个候选图像块产生的新位置；更新的机制为：

4.根据权利要求3所述的混合GOA和TLBO搜索的快速运动目标跟踪方法，其特征在于，所述GOA和TLBO中计算所有的候选图像块与目标图像块的适应度值，选取适应度值最大的候选图像块作为本次迭代的最优输出，并将结果保存到(X_best,Y_best)。