導(dǎo)語(yǔ)：運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備設(shè)計(jì)研究一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1傳統(tǒng)設(shè)備跟蹤運(yùn)動(dòng)目標(biāo)效果存在的問(wèn)題

通過(guò)本文對(duì)運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備優(yōu)化能夠有效進(jìn)行目標(biāo)跟蹤，從根本上避免了跟蹤運(yùn)動(dòng)目標(biāo)效果差的問(wèn)題。優(yōu)化后的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備還能在一定程度上減緩由于目標(biāo)運(yùn)動(dòng)的不確定性造成的視覺(jué)模糊現(xiàn)象，并且通過(guò)有效仿真實(shí)驗(yàn)驗(yàn)證了優(yōu)化后的有效性[8]。

2運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的改進(jìn)設(shè)計(jì)

雖然在20世紀(jì)就已經(jīng)提出蒙特卡羅算法，但是由于20世紀(jì)并沒(méi)有運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備，因此蒙特卡羅算法并沒(méi)有在計(jì)算機(jī)視覺(jué)跟蹤領(lǐng)域進(jìn)行應(yīng)用，由于近些年的計(jì)算機(jī)視覺(jué)設(shè)備的興起，蒙特卡羅算法才被應(yīng)用到了運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備中去。因此本文也引用了蒙特卡羅算法進(jìn)行運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的優(yōu)化。運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備結(jié)構(gòu)圖如圖1所示。圖1運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備結(jié)構(gòu)圖蒙特卡羅算法流程圖如圖2所示。圖2蒙特卡羅算法流程圖蒙特卡羅計(jì)算方法其實(shí)是對(duì)圖像核密度進(jìn)行非參數(shù)特征的空間轉(zhuǎn)換方法，通過(guò)對(duì)圖像幀頻迭代尋優(yōu)得到概率密度分布核函數(shù)表達(dá)式為：f(x)=1n∑i=1nki(X-X)1（1）式中，f（x）為核函數(shù)，一般是一個(gè)查詢值。如果i為偶數(shù)，那么所得到的矩陣是對(duì)稱矩陣，對(duì)應(yīng)的像素增大概率為：m(x)=∑i=1nxgéëêùûúx-x1h2∑i=1ngæèçöø÷x-x1h2-x（2）式中，m（x）是像素增大概率，通過(guò)式（2）可以計(jì)算出像素被使用上升的極值。蒙特卡羅算法選擇的空間像素授權(quán)圖形為圖像形式的像素顏色所含有的全部索引。因此，目標(biāo)像素直方系數(shù)式為：q=C∑i=1nk(x)2δ[b(x)]-u（3）式中：u表示從1，2，…，m全部顏色的像素索引方程；δ為蒙特卡羅函數(shù)的常備系數(shù)；C是整合原點(diǎn)系數(shù)值；q表示核函數(shù)。為了方便進(jìn)行像素的定位，候選目標(biāo)的模型為：p(y)=C∑i=1hkæèçöø÷y-xh2δ[b(x)]-u（4）式中，h表示使用的像素寬度，它決定相關(guān)圖像的實(shí)際尺度，通過(guò)計(jì)算相似度來(lái)有效地把非位置像素隔開(kāi)，如下：ρ(y)≡ρ[p(y),q]=∑n=1mp(y)q（5）系數(shù)最大值便是當(dāng)前幀值的所在位置。通過(guò)對(duì)系數(shù)最大值的選定可以有效改變和設(shè)定跟蹤的目標(biāo)，假設(shè)候選目標(biāo)中的p（y）所對(duì)應(yīng)的目標(biāo)像素直方系數(shù)q沒(méi)有發(fā)生突變，可以把上述公式展開(kāi)得到：ρ[p(y)],q≈12∑n=1mp(y)q+12∑n=1mp(y)qp(y)（6）將式（5）轉(zhuǎn)化為式（6），這樣可以方便進(jìn)行代入化簡(jiǎn)，得到化簡(jiǎn)式有利于進(jìn)蒙特卡羅計(jì)算優(yōu)化，公式如下：y=∑i=1hxwgæèçöø÷y-xh2∑i=1hwgæèçöø÷y-xh2（7）式中，xwg實(shí)際上是對(duì)幀頻的定位，根據(jù)預(yù)定的邏輯進(jìn)行定位，直到找到最大迭代次數(shù)。接收函數(shù)通式合并為：δ=minéëêêùûúú1,p(Y|x)Q(x);x1p(Y|x)1Q(x);x（8）再依據(jù)區(qū)域定位通式：ELBF(ϕ,f1,f2)=μ∫12(|∇ϕ-1-f)12dx+f2+Length(C)（9）式中：ϕ表示區(qū)域內(nèi)單位幀運(yùn)動(dòng)位移向量；f1,f2分別表示圖像幀頻起始定位焦點(diǎn)和終止定位焦點(diǎn)；μ表示蒙特卡羅整合系數(shù)；Length(C)為幀頻系數(shù)常量，把式（7）和式（8）與通式（9）進(jìn)行合并，如下:ELBF(ϕ,f)1,f2=μ∫12(|∇ϕ|-1-f)12dx+δ⋅(f)2+Length(C)（10）得到的結(jié)果是一個(gè)區(qū)域，這個(gè)區(qū)域具有一定的幀，引入蒙特卡羅算法與接收函數(shù)結(jié)合，必須對(duì)上述公式進(jìn)行系數(shù)合并，如下：min0≤αi≤cW=12∑i,j=1lyiyjαiαjK(xi,xj)-∑i=1lαi+bæèçöø∑÷i=1lyjαj（11）進(jìn)行區(qū)域擬定還需要進(jìn)行跟蹤誤差辨別，對(duì)跟蹤的相對(duì)系數(shù)以及相對(duì)值域進(jìn)行多次測(cè)量求出平均數(shù)，平均跟蹤誤差為：M(ω)=12π∫01N(ω)dω（12）式中：N為重疊率；dω為單元重疊差量，若表示重疊部分時(shí)值為0，如果表示非重疊值時(shí)值為1；M為像素誤差值，結(jié)果是一個(gè)范圍值，通過(guò)人為調(diào)整可進(jìn)行函數(shù)的設(shè)定。計(jì)算平均跟蹤誤差，選定跟蹤表現(xiàn)值為：G=∑r=1t∑q=1k2WiTxir-WiTxirq2Birq=tr(WiTHWi)（13）式中：xir與xirq為跟蹤目標(biāo)中心軸位置坐標(biāo)，經(jīng)計(jì)算與實(shí)際位置的中心軸進(jìn)行坐標(biāo)對(duì)比，可滿足對(duì)誤差的分析；W，B，H為目標(biāo)區(qū)域?qū)嶋H高度、寬度以及對(duì)角線。以像素作計(jì)量單位計(jì)算重疊率為：Sc=[S0,S1,S2,⋯,SQ-1]binary=éëêùû∑úiQ-1Si×2iDec（14）式中：SQ-1為第Q-1幀真實(shí)目標(biāo)區(qū)域中所包含的實(shí)際像素個(gè)數(shù)；i和c表示相交區(qū)域所含有的像素個(gè)數(shù)，推導(dǎo)出蒙特卡羅算法的測(cè)量公式為：sPPM(t)=∑i=-∞∞∑j=0Np-1p(t-iTs-jTp-cjTc-aiε)（15）

3試驗(yàn)驗(yàn)證

為了驗(yàn)證本文設(shè)計(jì)的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備優(yōu)化方案的有效性，采用對(duì)比仿真實(shí)驗(yàn)，對(duì)傳統(tǒng)的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備以及本文優(yōu)化后的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備進(jìn)行對(duì)比。為了獲得更加準(zhǔn)確的運(yùn)動(dòng)視覺(jué)跟蹤結(jié)果，同時(shí)對(duì)以運(yùn)動(dòng)的物體進(jìn)行視覺(jué)跟蹤。設(shè)置核密度系數(shù)為7.531；目標(biāo)像素直方系數(shù)q的取值范圍為1~5，幀頻系數(shù)常量C為800；為了保證結(jié)果的有效程度，G的誤差調(diào)整為1。實(shí)驗(yàn)結(jié)果如圖3所示。通過(guò)圖3可以看出，優(yōu)化后的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的實(shí)驗(yàn)結(jié)果明顯比傳統(tǒng)運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果清晰，并且辨識(shí)度很高。上述圖3為兩種方法的辨識(shí)度的對(duì)比結(jié)果，圖3（a）為優(yōu)化后的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果，圖3（b）為傳統(tǒng)的實(shí)驗(yàn)結(jié)果。可以看出優(yōu)化后的實(shí)驗(yàn)結(jié)果明顯比傳統(tǒng)的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果好。為了進(jìn)一步驗(yàn)證優(yōu)化后的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的辨識(shí)度效果，通過(guò)仿真實(shí)驗(yàn)描點(diǎn)記錄的方式，對(duì)運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的辨識(shí)度進(jìn)行測(cè)試，得到測(cè)試結(jié)果如圖4所示。分析圖4可得，傳統(tǒng)電子設(shè)備的辨識(shí)度平均值約為1.3，優(yōu)化后的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的辨識(shí)度平均值約為2.8。由對(duì)比實(shí)驗(yàn)結(jié)果可以看出，優(yōu)化后的實(shí)驗(yàn)結(jié)果明顯比傳統(tǒng)的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的辨識(shí)度更好。圖3不同運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果圖4實(shí)驗(yàn)辨識(shí)度對(duì)比綜上所述，本文設(shè)計(jì)的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備優(yōu)化方法能夠很好地解決跟蹤運(yùn)動(dòng)目標(biāo)效果差的問(wèn)題。

4結(jié)語(yǔ)

本文設(shè)計(jì)的運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備優(yōu)化方法能夠有效地解決跟蹤運(yùn)動(dòng)目標(biāo)效果差的問(wèn)題，同時(shí)增加了圖片辨識(shí)度，希望通過(guò)本文設(shè)計(jì)能夠有效推進(jìn)運(yùn)動(dòng)視覺(jué)跟蹤電子設(shè)備的應(yīng)用。

參考文獻(xiàn)

[1]孫彩紅.運(yùn)動(dòng)視覺(jué)跟蹤的三維虛擬平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2017，40（2）：39⁃42.

[2]王欣，袁坤，于曉，等.基于運(yùn)動(dòng)恢復(fù)的雙目視覺(jué)三維重建系統(tǒng)設(shè)計(jì)[J].光學(xué)精密工程，2014，22（5）：1379⁃1387.

[3]趙軍，於俊，汪增福.基于改進(jìn)逆向運(yùn)動(dòng)學(xué)的人體運(yùn)動(dòng)跟蹤[J].智能系統(tǒng)學(xué)報(bào)，2015（4）：548⁃554.

[4]喬良.三維圖像視覺(jué)下運(yùn)動(dòng)關(guān)鍵特征的提取方法改進(jìn)[J].計(jì)算機(jī)仿真，2017，34（1）：216⁃219.

[5]楊敏，裴明濤，王永杰，等.一種基于運(yùn)動(dòng)目標(biāo)檢測(cè)的視覺(jué)車(chē)輛跟蹤方法[J].北京理工大學(xué)學(xué)報(bào)，2014，34（4）：24⁃28.

[6]魯永杰，王思明.一種改進(jìn)的運(yùn)動(dòng)目標(biāo)跟蹤方法[J].中國(guó)測(cè)試，2015（7）：95⁃98.

[7]李駢臻，李震.基于機(jī)器視覺(jué)的教室多目標(biāo)跟蹤算法設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（1）：243⁃247.

[8]覃為廣，宋鴻陟，彭紅星，等.改進(jìn)的自適應(yīng)顏色屬性目標(biāo)跟蹤算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（3）：803⁃808.

作者:宋麗丹 單位:安陽(yáng)師范學(xué)院