ردیابی بر مبنای هسته اصلی بهینه شده با بکارگیری الگوریتم mean shift توجه زیادی را به عنوان یک تکنیک موثر ردیابی در رشته‌های ویدئویی کسب کرده است. الگوریتم mean shift اساساً یک روش بهینه‌سازی صعود گرادیان است، که برای پیدا کردن بابهای محلی طراحی شده است. در بسیاری از ردیابی‌ها، ما نیاز به جستجوی باب کلی یک تابع هدف داریم، مانند وقتیکه جابجایی هدف در بین فریم‌های متوالی نسبتاً بزرگ باشد بطوریکه هیچ یک از بخش‌های هدف درون ناحیه مقدار دهی اولیه شده قرار نگیرد. در این شرایط، بابهای محلی و کلی بر هم منطبق نخواهند شد و ردیابی احتمالاً با شکست مواجه خواهد شد. در این مقاله،ما یک الگوریتم بهینه‌سازی توده ذرات (PSO) انطباقی و ترتیبی را که به سمت باب کلی تابع هدف همگرا می‌شود پیشنهاد می‌دهیم. الگوریتم PSO انطباقی و ترتیبی یک تکنیک بهینه‌سازی اتفاقی می‌باشد که از ترکیب اطلاعات ترتیبی موجود در پروسه ردیابی درون الگوریتم سنتی PSO ، و همچنین تغییرات انطباقی پارامترهای PSO بدست می‌آید. در شیوه ردیابی ما، این الگوریتم برای جستجوی باب کلی ضریب Bhattacharyya که به عنوان یک تابع تشابه بین تخمین‌های چگالی هسته اصلی از قالب هدف و کاندیدای هدف می‌باشد، استفاده می‌نماییم. همچنین ما یک استراتژی بروز رسانی جدید که بمیزان تشابه بین مدل ابتدایی و ظاهر جاری هدف برای بروزرسانی مدل هدف توجه می‌کند را پیشنهاد می‌دهیم. نتایج تجربی نشان می‌دهد که در مقایسه با ردیابی اشیأ بر مبنای الگوریتم استاندارد mean shift، روش ردیابی پیشنهادی ما می تواند هدف‌های متحرک سریع را بطور موفقیت‌آمیز ردیابی و تغییرات مقیاس هدف و انسداد‌های کلی و جزئی را مدیریت نماید.
کد نوشتار : 198805