基于粒子群算法的模板匹配跟踪算法
针对基于模版匹配的跟踪算法运行速度较慢、成功率较低的问题，提出了一种基于粒子群优化的模版匹配跟踪算法。该算法采用粒子群优化算法作为候选模版的搜索策略，并自适应的更新目标模版。首先，在设定的范围内随机采集多个候选模版，计算出个体最优样本和全局最优样本；其次，根据粒子群优化算法进行迭代求出最佳的候选模版；最后，自适应的更新目标模版。经过理论分析和实验仿真表明，与基于模版匹配的跟踪算法和基于粗精搜索的模版匹配跟踪算法相比，基于粒子群优化的模版匹配跟踪算法大大的减少了跟踪算法的计算量，使得该算法能产生很好的实时跟踪，并且跟踪的鲁棒性以及成功率都有很大的提高。
文件下载
评论信息
其他资源
- 相位差测量电路
- STM32F0xx_TIM输入捕获（计算频率）配置详细过程.rar
- Deep Learning（中文版）
- 采用LMS算法利用自适应滤波器进行系统辨识
- 基础差分进化算法Rastrigin测试
- 滑模变结构控制MATLAB仿真（第3版）+基本理论+先进控制系统设计方法
- ( 第十六届模拟会议论文集与报告PPT.rar )
- 野火STM32教程之26-计算器(需LCD触摸支持)
- 《信号与系统》第二版课后答案
- FreeRTOS-API.pdf
- ela7.10.0.tar
- USB接口控制器参考设计VHDL代码(Xilinx).7z
- PCIE的傳輸速度.pptx
- Android通过使用广播监听网络状态的改变
- 图像的点运算(包括图像反色，灰度的线性变换，阀值变换，窗口变换，灰度拉伸，灰度均衡，直方图等)
- 软件加密技术内幕 pdf+配套光盘+chm版+虚拟光驱
- 一篇图像分割的外文论文，可供大家学习
- 一个简单的登录例子javaweb
- SSH网上商城项目源代码完整下载
- 在TIA portal中连接第三方profinet IO 设备
- 深度信念网络实例
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明