《表1 本文算法与其他算法的对比》
图1为直观地显示了本文算法与其他几种算法的距离精度曲线图,在选取的23段视频中:1)对于有遮挡的12个视频序列Basketball,Bird2,Girl,Coke,Skating2.1,Ironman,Doll,Rubik,Walking2,Bolt,Jogging1,Freeman4,平均CLE(pixels)相对于KCF算法提高了25.91,平均DP(%)提高了20.88。由此可见,在KCF的基础上加了重检测后,当目标的置信度低于阈值时,就重新检测目标所在位置,的确对遮挡的处理有很大的提升。2)对于发生形变的8个视频序列Basketball,Bird2,Blur Body,Gym,Skating2.1,Bolt,Human9,Jogging1,平均CLE(pixels)相对于KCF算法提高了21.49,平均DP(%)提高了27.54;对于发生快速运动的11个视频序列Bird2,Blur Body,Blur Car2,Coke,Deer,Skating2.1,Blur Owl,Ironman,Human9,Jumping,Surfer,平均CLE(pixels)相对于KCF算法提高了40.61,平均DP(%)提高了29.88。说明在KCF原有的HOG特征上再加入HSV颜色特征后对目标的形变也有较强的鲁棒性。
图表编号 | XD00129564300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 陈强、尚振宏、刘辉 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |