《表1 本文算法与其他算法的对比》

  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HOG与颜色特征的长时运动目标跟踪方法》

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

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。