《表1 不同算法在不同挑战因素下的距离精度值》

  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

《融合上下文信息及多特征目标跟踪方法研究》

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

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.