軟體設計之多目標物體追蹤模擬結果

為了驗證本文第二章所提出之混合型演算法，我們需要分別對 PF 與 PSO 兩 個演算法在應用於目標物的搜尋與追蹤時，比較其性能。考量到可修改的彈性，

我們使用軟體平台來呈現實驗結果。

為了實現 PF 與 PSO 混合型演算法，我們需要先驗證該兩種演算法在即時影 像上對目標物之搜尋速度與追蹤速度，分辨出兩演算法之優劣，並充分應用其優 勢以進行混合的動作。實驗使用的影像大小為 320240，粒子數量為 32，目標物 為 6464 pixel 大小的紅色物體。首先，我們須先對權重預設一個閥值，代表粒 子追蹤到目標物。在追蹤的過程中，若族群中有四分之一以上的粒子的權重值到 達此預設之閥值，即代表粒子收斂並成功追蹤到目標物。

本實驗軟體開發環境使用之作業系統為 win 7，硬體處理器之規格為 Intel Core i7 920M 2.26GH_Z，使用 Logitech 之網路攝影機。

63

7.1.1 PSO 與 PF 搜尋速度

本論文對搜尋速度之定義為當目標物出現於影像畫面時，粒子收斂於目標物 之平均時間。故實驗方法為在目標物出現時，計算族群中四分之一以上的粒子到 達對權重所預設之閥值的時間。

我們分別對 PSO 與 PF 做了 20 次目標物搜尋的實驗。表 7.1 為 PSO 之實驗 結果; 表 7.2 為 PF 之實驗結果。由 20 次實驗的結果來看，PSO 的平均時間為 0.048 秒，PF 的平均時間為 0.08 秒，故在搜尋目標物之性能來看，PSO 比 PF 快 1.64 倍。而表 7.3 則為混合型演算法之搜尋目標物之實驗結果。

表 7.1 PSO 搜尋速度之實驗結果

Method Elapsed time (sec.) Average time (sec.)

PSO

0.061 0.03 0.061 0.046

0.0489 0.031 0.045 0.046 0.046

0.062 0.046 0.046 0.061 0.061 0.046 0.061 0.03 0.046 0.061 0.046 0.084

表 7.2 PF 搜尋速度之實驗結果

Method Elapsed time (sec.) Average time (sec.)

PF

0.077 0.077 0.062 0.093

0.0802 0.109 0.093 0.077 0.077

0.077 0.061 0.077 0.062 0.077 0.077 0.077 0.092 0.077 0.093 0.092 0.077

64

表 7.3 Hybrid 搜尋速度實驗結果

Method Elapsed time (sec.) Average time (sec.)

Hybrid

0.061 0.03 0.061 0.046

0.0489 0.031 0.045 0.046 0.046

0.062 0.046 0.046 0.061 0.061 0.046 0.061 0.03 0.046 0.061 0.046 0.084

7.1.2 PSO 與 PF 追蹤性能

本論文對追蹤速度之定義為當目標物在移動時，粒子追蹤並收斂到目標物之 平均時間。故實驗方法為當搜尋到目標物後，令目標物在一個預定的軌跡移動，

並利用粒子對該目標物進行追蹤的動作。在目標物於預定軌跡移動的過程中，當 粒子族群中有四分之一的粒子在每張影格上到達我們對權重所預設的閥值時，即 代表粒子成功追蹤到該影格中之目標物，此時，我們便紀錄粒子追蹤到目標物的 時間。

在本論文中，我們以一個包含有 30 張連續影格的即時影像，利用兩個演算 法分別對目標物做追蹤的實驗，目標物在每個鄰近影格中都移動了 8 個 pixel，表 7.4 為 PSO 之實驗結果，表 7.5 為 PF 之實驗結果。實驗結果顯示，PSO 在每張影 格上，平均收斂至目標物的時間為 0.052 秒;而 PF 在每張影格上，平均收斂至目 標物的時間為 0.021 秒。故從追蹤目標物之性能來看，PF 比 PSO 快 2.5 倍。表 7.6 為混合型演算法在追蹤目標物之實驗結果。

65

表 7.4 PSO 追蹤性能之實驗結果

Method Elapsed time (sec.) Average time (sec.)

PSO

Method Elapsed time (sec.) Average time (sec.)

PF

Method Elapsed time (sec.) Average time (sec.)

Hybrid

66