《表1 不同算法在不同挑战因素下的距离精度值》
说明:表中用单横线标注的为排名第1,用波浪线标注的为排名第2
为了进一步说明本文算法在复杂环境下的跟踪性能,本文分析了在不同挑战因子下的实验结果,定性对比分析本文算法的跟踪性能.表1和表2分别为不同的算法在不同的挑战因子下的平均DP和平均OP,挑战因子包括背景干扰(Background Clutters,BC)、运动模糊(Motion Blur,MB)、非刚性形变(Deformation,DEF)、光照变化(Illumination Variation,IV)、平面内旋转(In-Plane Rotation,IPR)、遮挡(Occlusion,OCC)、平面外旋转(Out-of-Plane Rotation,OPR)和尺度变化(Scale Variation,SV)8种挑战因子.从表1可以看出,本文算法Ours平均DP在MB,IPR、OPR、OCC、SV中第一,说明了多种特征融合的的有效性.针对目标发生非刚性形变时,本文算法平均DP稍稍逊色于ACFN和HDT,因ACFN着重通过增大空间分辨率而增强了边缘区域的精度效果,所以当目标发生非刚性形变时效果较好;由于本文算法本文因为提取的特征包含颜色特征,易受光照变化的影响,所以当目标出现光照变化时,效果稍稍弱于只使用卷积特征的HDT和CF2.
图表编号 | XD00141249800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 秦莉、刘辉、尚振宏 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |