《表1 不同跟踪策略的跟踪结果》

  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

《卷积通道裁剪与加权融合的精定位视觉跟踪》

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

根据VGG-19网络在相关滤波跟踪领域应用的特点，池化层pool 4的跟踪性能较为稳定，如表1中p4列所示；且在每两帧更新一次模型时，跟踪性能有较大提升，跟踪结果如表1中p4s列所示；在p4s的基础上加入各种跟踪策略，其中cp列结果为在稀疏模型更新的基础上对pool 4层加入通道裁剪后的跟踪结果，cpg列结果为在cp的基础上融合灰度特征的跟踪结果，cpgw列结果为对cpg进行通道加权的跟踪结果，ours列结果为在cpgw基础上加入精定位后的跟踪结果。从表1可看出，自适应通道裁剪和稀疏模型更新策略使得跟踪速度提升了7.8frame/s，平均距离精度提升5.1个百分点，表明通道裁剪和稀疏模型更新策略结合的算法可以有效提升算法的稳健性和实时性；融入灰度特征、卷积通道加权及精定位方式的平均距离精度最终达到91.3%，速度为31。8frame/s，表明基于卷积通道加权、精定位的算法可以有效提升卷积相关滤波跟踪算法的稳健性，且计算量小，不影响算法跟踪的实时性。