《表1 平均中心位置误差(CLE)》

  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

《结合LTP纹理特征和改进Mean-Shift的视频目标跟踪方法》

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

各种算法在3个视频序列上的平均CLE如表1所示。可以看到，本文LTP-IMS算法获得的跟踪误差最小。对于Ball序列，目标快速移动，使得它在连续帧之间的位移很大。但由于其背景相对简单，所以各种算法的性能都不差。在Skateboarding序列中，背景复杂，且目标与背景颜色存在重叠。为此，仅利用颜色特征的EM-shift算法不能很好地实现跟踪。LBP-MS算法结合了纹理和颜色特征，所以性能比EM-shift算法要好。而本文LTP-IMS算法不仅将LTP纹理特征与颜色特征相结合，还估计了目标的尺度和方向，所以获得了最佳性能。