《表2 不同干扰因素下OPE精确度对比》

  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

《稀疏卷积特征的实时目标跟踪》

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

红色线框代表本文算法，绿色线框代表CF2算法，蓝色线框代表MSDAT算法，黑色线框代表Staple算法．图5（a）为Lemming视频的部分跟踪结果．第312帧目标开始发生遮挡，随着遮挡面积的增加，目标被完全遮挡，超出视野，而MSDAT、CF2、Staple不能有效抑制干扰．因此至387帧遮挡结束，由于MSDAT、CF2、Staple等3种算法没有充分学习到目标的表观特征导致跟踪失败．之后，目标发生平面外旋转，快速移动导致分辨率低等问题，本文算法在此跟踪过程中表现出良好的鲁棒性．880～910帧过程中，目标回到原遮挡位置并再次离开，MSDAT重新学习到目标物体，虽定位稍有偏差，但仍与本文算法一起完成跟踪．图5（b）为Singer2视频的部分跟踪结果．第10帧开始，CF2开始出现明显的漂移，随着定位误差的累积，最终在第30帧完全丢失目标．230～366帧跟踪结束，伴随多次光照变化、旋转现象引起的目标姿态改变，MS-DAT虽能完成跟踪，但跟踪不稳定．本文算法和Staple算法能够很顺利地完成跟踪任务．图5（c）为MotorRolling视频的部分跟踪结果．第5帧开始，目标发生旋转、背景出现强光以致运动模糊、分辨率低，Staple和MSDAT均出现跟踪偏差；随着定位误差积累，第33帧时完全丢失目标．第103～132帧，目标上下运动剧烈，CF2对跟踪不稳定．MSDAT和本文算法均能较好地跟踪目标，本文算法跟踪误差更小．图5（d）为Sylvester视频的部分跟踪结果．第910帧受到光线强度变化和目标旋转因素影响，Staple出现跟踪偏差，最终在第1 120帧丢失目标．第1 130～1 200帧目标受强光和相似背景的干扰，CF2直接定位到背景干扰物上，跟踪失效．本文算法和MSDAT算法能够很好地跟踪目标．