《表3 各影响因素下的算法性能》

  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

《基于尺度搜索的车辆跟踪算法》

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

尺度搜索法有效解决了车辆目标运动过程中尺度变化造成的模型漂移问题，而自适应加权的模板更新方式在适应车辆外观变化的同时，进一步提高了相关滤波模板的准确性。为综合评估本文算法对车辆跟踪过程中各类影响因素的稳健性，将各算法分别在SV、IV、BC、MB、LR影响因素下的车辆运动视频中进行性能比较，实验结果表3所示。由表3可知，对于跟踪过程中具有SV的车辆目标，本文算法的定位精度与成功率最高，相比于第二位的算法分别提高了8.31%与4.88%。对于IV、BC、MB影响因素下的跟踪过程，本文算法均具有最优的跟踪性能。在LR情况下，本文算法的跟踪成功率虽略低于SAMF，但定位精度却提高了8.81%。