《表1 KCF/DCF和其他算法的比较》
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。
图表编号 | XD00133675200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.15 |
作者 | 陈云芳、吴懿、张伟 |
绘制单位 | 南京邮电大学计算机学院、南京邮电大学计算机学院、南京邮电大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |