[发明专利]一种基于GPU加速连续粒子群优化的三维物体跟踪方法

摘要

本发明涉及一种基于GPU加速连续粒子群优化的三维物体跟踪方法，包括：1.采集含有待跟踪的三维物体的图像，将三维物体从图像中分离出来，通过基于GPU的并行算法，提取分离后的图像的特征，生成观察特征图像；2.初始化粒子群的状态；3.对所有粒子所产生的假设参数进行并行渲染，生成假设图，计算假设特征图像；4.通过基于GPU的并行算法计算误差图像；5.处理误差图像，计算每个粒子的适应度，更新粒子状态；6.重复3、4、5，直到粒子更新达到预设的次数；7.寻找全局最优假设为最终的跟踪结果，完成一次跟踪过程。本发明实现了三维物体的多自由度实时跟踪，并且能够应用于多关节刚性物体的跟踪。

主权项

一种基于GPU加速连续粒子群优化的三维物体跟踪方法，包括以下步骤：步骤1：采集三维物体的观察图像，提取相应的图像特征信息；步骤2：初始化当前图像帧的粒子群状态；步骤3：根据当前粒子群中每个粒子所对应的假设模型，得到三维物体的假设图像，并提取该假设图像的特征信息；步骤4：运用基于GPU的并行算法，将观察图像的特征信息与每个粒子对应的假设图像的特征信息进行比较，得到每个粒子的适应度；步骤5：根据适应度的大小更新得到本次迭代过程中粒子群的个体最优状态和局部最优状态；步骤6：如果当前图像帧的迭代过程还未结束，则根据粒子群的个体最优状态和局部最优状态更新得到下一次迭代时粒子群状态，并进入步骤3进行下一次迭代；否则根据粒子群的个体最优状态得到三维物体的最终跟踪状态。