No/VOL: 06/2025 Page no. 69
Authors: Ramdane Taglout , Bilal Saoud :
Title: Sztuczny algorytm kolonii pszczół połączony z CNN i filtrem Kalmana używany do śledzenia wizualneg
Abstract: Wizualne śledzenie obiektów stanowi ważny punkt w badaniach nad wizją komputerową, a zastosowania obejmują różne dziedziny, takie jak transport i inteligentne technologie przemysłowe. Chociaż systemy śledzenia oparte na filtrach korelacyjnych wykazały dobrą wydajność, napotykają wyzwania, takie jak zmienność skali, okluzja, efekty brzegowe i bałagan w tle. Aby rozwiązać te problemy, wprowadziliśmy podejście łączące optymalizację sztucznej kolonii pszczół (ABC), głębokie sieci neuronowe i filtr Kalmana. Nasza metoda obejmuje początkowy etap, w którym analizowana jest niezawodność procesu śledzenia, a następnie obliczana jest informacja o pewności celu w aktualnie szacowanej lokalizacji. Następnie przeprowadza się etap aktualizacji. W naszym podejściu dostosowanie skali docelowej określa się poprzez optymalizację sztucznej rodziny pszczół (ABC). Dodatkowo stosujemy filtr Kalmana, który reprezentuje ruch celu pomiędzy klatkami. Rygorystyczne testy na zestawach danych OTB2013, OTB2015, TempleColor128 i UAV123 potwierdzają skuteczność, dokładność i solidność naszej metody, wykazując wyższą wydajność w porównaniu z wieloma najnowocześniejszymi technikami.
Key words: Śledzenie obiektów, informacje poufne, filtr korelacji, sztuczna kolonia pszczół, filtr Kalmana