基于形状感应的运动目标跟踪算法

Mean-Shift算法无法自动跟踪目标,且对目标形状要求较苛刻。针对该问题,提出一种基于形状感应的运动目标跟踪算法,采用混合高斯分布对背景建模,协助Mean-Shift算法自动定位初始目标,增加描述形状的协方差参数,使跟踪能感受到目标形状的变化。实验结果表明,该算法基本解决了自动定位问题及形状变化问题,在保证实时性的前提下,跟踪准确度提高40%以上。

优化多步长蚁群算法求解机器人路径规划问题

针对蚁群算法收敛速度慢,规划路径存在冗余拐点不是最短路径等的一系列问题,提出优化的多步长蚁群算法。通过扩大机器人的视野域和活动域并加入简化算子,增加路径平滑度;通过差异化更新信息素并改进启发函数,促使机器人倾向终点移动,以提高收敛速度。应用MATLAB程序对改进后的算法与原蚁群算法和多步长蚁群算法进行仿真对比,通过多次仿真实验,优化的多步长蚁群算法效果显著。