《表2 不同干扰因素下OPE精确度对比》
红色线框代表本文算法,绿色线框代表CF2算法,蓝色线框代表MSDAT算法,黑色线框代表Staple算法.图5(a)为Lemming视频的部分跟踪结果.第312帧目标开始发生遮挡,随着遮挡面积的增加,目标被完全遮挡,超出视野,而MSDAT、CF2、Staple不能有效抑制干扰.因此至387帧遮挡结束,由于MSDAT、CF2、Staple等3种算法没有充分学习到目标的表观特征导致跟踪失败.之后,目标发生平面外旋转,快速移动导致分辨率低等问题,本文算法在此跟踪过程中表现出良好的鲁棒性.880~910帧过程中,目标回到原遮挡位置并再次离开,MSDAT重新学习到目标物体,虽定位稍有偏差,但仍与本文算法一起完成跟踪.图5(b)为Singer2视频的部分跟踪结果.第10帧开始,CF2开始出现明显的漂移,随着定位误差的累积,最终在第30帧完全丢失目标.230~366帧跟踪结束,伴随多次光照变化、旋转现象引起的目标姿态改变,MS-DAT虽能完成跟踪,但跟踪不稳定.本文算法和Staple算法能够很顺利地完成跟踪任务.图5(c)为MotorRolling视频的部分跟踪结果.第5帧开始,目标发生旋转、背景出现强光以致运动模糊、分辨率低,Staple和MSDAT均出现跟踪偏差;随着定位误差积累,第33帧时完全丢失目标.第103~132帧,目标上下运动剧烈,CF2对跟踪不稳定.MSDAT和本文算法均能较好地跟踪目标,本文算法跟踪误差更小.图5(d)为Sylvester视频的部分跟踪结果.第910帧受到光线强度变化和目标旋转因素影响,Staple出现跟踪偏差,最终在第1 120帧丢失目标.第1 130~1 200帧目标受强光和相似背景的干扰,CF2直接定位到背景干扰物上,跟踪失效.本文算法和MSDAT算法能够很好地跟踪目标.
图表编号 | XD0051431700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 邹建成、王润玲、车满强、熊昌镇 |
绘制单位 | 北方工业大学理学院、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、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) |