《表2 改进的TLD算法和CamShift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7可知，脸部存在遮挡物时，CamShift算法将无法准确实现人脸跟踪，甚至出现跟踪失败．但使用改进的TLD算法，可以成功跟踪人脸，这两种算法的跟踪准确率和实时性见表2.
| 图表编号 | XD00141237000 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2 数据集描述/张：改进Yolo-v3的视频图像火焰实时检测算法》2021.03.05
- 《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2 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《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1 改进的TLD算法和TLD算法跟踪实时性比较》2020.02.01
- 《表2 反卷积效果对比：基于改进SSD算法的实时交通标示牌检测》2020.01.01
- 《表1 测试环境：基于Camshift算法的人脸跟踪识别系统的设计》2019.10.25
- 《表2 算法收敛时间比较：基于改进强跟踪无迹卡尔曼滤波的电力系统同步相量估计方法》2019.09.05
- 《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2 耗时对比/ms：改进的卡尔曼滤波与均值漂移目标跟踪算法》2019.01.01
- 《表1 TLD算法和TLD改进算法成功跟踪目标帧数》2019.05.05
- 《表2 基于MDNet改进的目标跟踪算法》2019.06.25
- 《表2 基于Jetson TK1平台KCF算法改进前后跟踪效果对比》2019.07.01
- 《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 跟踪算法性能比较：结合角点特征的CamShift目标跟踪算法研究》2019.10.18
- 《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