《表1 改进的TLD算法和TLD算法跟踪实时性比较》
提示：宽带有限、当前游客访问压缩模式
通过图6可知，在人与相机距离不同时，TLD算法和改进的TLD算法均成功实现人脸跟踪，这两种算法跟踪准确率和实时性见表1.
| 图表编号 | XD00141236700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 牛颖、李丽宏 |
| 绘制单位 | 太原理工大学电气与动力工程学院、太原理工大学电气与动力工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 测试视频序列：融合TLD框架的DSST实时目标跟踪改进算法》2020.09.01
- 《表1 CV运动：基于概率模型的实时修正IMM目标跟踪算法》2020.11.01
- 《表1 选取的视频序列：一种改进的背景感知相关滤波跟踪算法》2021.01.10
- 《表2 TLD圆片测量各点无有防护罩的累积剂量值》2020.06.30
- 《表1 实验设计信息：基于改进Deep Sort算法的多目标跟踪算法》2020.12.31
- 《表3 IC-TLD方法验证数据和结论总结》2020.07.05
- 《表2 不同水深下TLD减振效果对比》2020.08.25
- 《表1 算法成功率对比：基于改进TLD的运动目标跟踪算法研究》2020.06.25
- 《表2 改进的TLD算法和CamShift算法跟踪实时性比较》2020.02.01
- 《表1 新g TLD后续政策制定流程工作组划分和职责范围》2019.12.15
- 《表2 算法实时性比较：基于VITAL的无人机目标跟踪方法》2019.06.20
- 《表1 TLD算法和TLD改进算法成功跟踪目标帧数》2019.05.05
- 《表2 窄束系列X射线参考辐射的TLD校准》2019.05.15
- 《表2 基于MDNet改进的目标跟踪算法》2019.06.25
- 《表2 注册运算时间对比：基于FAST特征检测与TLD的三维注册方法研究》2019.02.15
- 《表1 实验软硬件平台：基于FAST特征检测与TLD的三维注册方法研究》2019.02.15
- 《表2 视频跟踪结果：基于改进粒子滤波的视觉目标跟踪算法研究》2018.11.05
- 《表1 跟踪速度的比较：基于卷积神经网络的实时跟踪算法》2018.05.20
- 《表1 部分实验结果：改进的粒子滤波目标跟踪算法》2018.09.01
- 《表1 实验结果：基于LBP的TLD目标跟踪改进算法》2019.11.20