《表2 测试视频的属性Table 2 The properties of test videos》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合峰旁比和帧差均值自适应模型更新的视觉跟踪》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更好地说明本文算法在复杂环境下的跟踪性能，选取典型视频的部分帧跟踪结果定性分析本文算法的跟踪性能，选取的视频为:singer2、box、human3、girl2、human2、vase共6组视频，所包含的跟踪挑战如表2所示（表中的英文简写为图5-6中不同属性全称的简写），可以看出6组视频包含了OTB数据集中可能出现的所有挑战，从定量对比实验中可以看出本文算法性能远高于DSST、Staple、SRDCF、HDT四种算法，因此本实验中仅与剩余的5种算法进行比较，跟踪结果如图7所示.在图7中展示的6组视频的跟踪结果中，除本文跟踪算法外的其他5种算法均出现跟丢或者尺度预测不准确的现象，只有本文算法稳定地跟踪到展示的6组视频，可以看出当目标在运动过程中遇到形变、快速运动、尺度变化、背景混乱等干扰时，本文自适应学习率调整方法可以提升算法模型的适应能力，整体性能也优于对比的5种算法.