《表1 KCF/DCF和其他算法的比较》

  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

《基于孪生网络结构的目标跟踪算法综述》

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

2010年后，基于相关滤波的算法开始流行，其特点是算法运算速度快。传统相关滤波器的算法利用循环相互的特性，在傅里叶域中进行运算，此类算法有效更新过滤器的权重从而实现在线跟踪。初期的相关滤波算法使用浅层特征主要由灰度特征、纹理特征、颜色特征等组成。Bolme等提出的MOSSE[16]使用单帧初始化时产生稳定的相关滤波器。对于光照、缩放、姿势和非刚性变形的变化时，基于MOSSE滤波器的跟踪器具有鲁棒性，同时以669帧的速度运行。Henriques等提出的CSK[17]算法使用了一种基于循环矩阵的核跟踪方法，并且从数学上完美解决了密集采样的问题，利用傅里叶变换快速实现了检测的过程。算法通过使用高斯核计算相邻两帧之间的相关性，取响应最大的点为预测的目标中心。Henriques等人在CSK算法的基础上提出了KCF/DCF算法[18]，这是CSK算法的多通道特征改进版本。CSK中使用的是灰度特征，KCF使用HOG特征和高斯核函数，DCF使用HOG特征和线性核函数。表1是OTB50[19]上的实验结果，测试数据集是作者所建立的一个跟踪数据集，其中包含50个完全标注好的序列。并且每个跟踪器通过分析超过660 000个边界框输出进行广泛评估。可以看到KCF/DCF算法在平均速度和平均精度上的优势。