《表1 基于传统特征的跟踪算法在OTB-2013上的成功率、精确度和跟踪速度》

  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

《基于前景感知的时空相关滤波跟踪算法》

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

首先把本文算法和一些其他基于传统特征的先进方法进行对比，表1为成功率、精确度、跟踪速度的结果。可以看出，本文算法在平均成功率和阈值精确度方面都比基础算法SRDCF高，这是因为引入了时间一致性的约束。ECO是近年来在各数据集上取得最好成绩的算法之一，其利用高斯混合模型减少了样本的训练维度，但是矩阵的因式分解计算增加了计算复杂度。而本文算法通过ADMM，经过几次迭代就可实现收敛，避免复杂的数学运算，可以达到实时性（大于25frame/s）要求。和BACF相比，均把目标区域和背景区域分割作为样本训练分类器的手段，准确率和精确度都有小幅提高。此外，值得注意的是，本文算法的跟踪速度是基准算法SRDCF的4.4倍。