《表2 测试视频的属性Table 2 The properties of test videos》
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.
图表编号 | XD0023384400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.01 |
作者 | 熊昌镇、车满强、王润玲、卢颜 |
绘制单位 | 北方工业大学城市道路交通智能控制技术北京市重点实验室、北方工业大学城市道路交通智能控制技术北京市重点实验室、北方工业大学理学院、北方工业大学城市道路交通智能控制技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |