《表2 VOT-2016评价指标效果的视觉属性数据》

  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

《融合高斯混合模型和深度学习的目标跟踪》

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

根据表2所示，该算法的CM评价指标如图3（A），该算法的性能为63.88%，同比ECO、CCOT分别为57.63%、55.26%，提高了6.25%、8.62%，主要是受益于引入了高斯混合模型，降低训练样本数据的同时减少了内存和时间复杂性．OCC评价指标如图2（B），算法的性能为49.29%，同比ECO、Staple、DSST分别为40.75%、43.7%和44.22%，提高了8.54%、5.59%、5.07%，能够取得较好的实验效果，主要受益于引入深度学习的多特征分辨能力，由于浅层具有较好的轮廓和深层能提取较高精度的特征，两者融合后更加准确定位目标，同时提高了目标的跟踪性能．另外，SC评价指标如图3（C）所示，算法的性能表现为65.33%，同比ECO、SRDCF分别为51.93%，47.81%，提高了13.4%、17.52%.MC性能评价表现为62.45%，同比ECO、Staple、SRDCF分别为49.99%、51.05%、48.77%，提高了12.46%、11.4%、13.68%，主要受益于高斯混合模型与深度特征两者结合的效果表现．