學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Filters

20161

Settings

Has files: NoSubject: search.filters.subject.HOG

Search Results

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    基於粒子群聚演算法的多行人追蹤
    (2016) 李國輔; Lee, Kuo-Fu
    行人的偵測與追蹤是近年來相當重要的研究項目。一般常見的行人追蹤演算法大多是利用大量的運算時間來取得高準確率，或者是犧牲準確率而得到快速追蹤的結果。直至目前為止，尚未有快速且準確的演算法來偵測追蹤移動中的行人。因此，本論文採用運算速度更為快速的粒子群聚(Particle Swarm Optimization, PSO)演算法搭配色彩直方圖 (Color Histogram) 做為擷取影像特徵方法，以達到速度與準確率的最佳平衡。本研究的方法共分成四個階段：首先利用Histogram of Oriented Gradient (HOG) 針對輸入影像進行「行人偵測」找出行人位置，其次對該影像進行「影像前處理」來降低光影的影響，接著計算影像的色彩直方圖進行特徵距離相似度計算，最後套用至PSO演算法的適應函數進行行人追蹤。本研究的實驗從七大影像資料庫中選取不同的移動方式的影像 (如左右橫向移動、畫面上隨機移動及深度的移動等) 來驗證PSO演算法的速度與準確率。結果顯示，在花費較少時間計算的情況之下 (0.0784 ~ 0.0906 s) ，PSO演算法可達到與其他演算法一樣甚至較高的準確率 (Multiple Object Tracking Accuracy，MOTA：69.88 ~ 86.54%；Multiple Object Tracking Precision，MOTP：77.43 ~ 84.76%) 。若影像資料沒有受到部分或全部遮蔽的干擾，PSO演算法的追蹤準確率可維持在80% 以上。研究結果證實與現有的演算法相比，PSO演算法不僅大幅縮短了演算時間，更展現優異的追蹤準確率，顯示此演算法可達到速度與準確率的最佳平衡。未來研究將繼續改良現有的PSO演算法，以提升分析部分或全部遮蔽影像的準確率。