《表1 seq＿mb测试视频中跟踪数据分析》
提示：宽带有限、当前游客访问压缩模式
由表1可以看出，seq＿mb测试视频中本文算法的跟踪成功率要大于Camshift算法，虽跟踪速度较慢，但完全满足实时跟踪的要求。
| 图表编号 | XD0059465200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.15 |
| 作者 | 王俊南、赖惠成、杨东旭 |
| 绘制单位 | 新疆大学信息科学与工程学院、新疆大学信息科学与工程学院、新疆大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集相关属性：基于SURF特征的运动视频图像边缘跟踪方法研究》2020.07.15
- 《表1 测试视频序列：融合TLD框架的DSST实时目标跟踪改进算法》2020.09.01
- 《表1 数据分析结果：用Tracker视频跟踪软件分析运动物体加速度》2020.09.20
- 《表1 两种算法在测试视频上的跟踪速度》2020.10.20
- 《表2 降温试验性能指标：目标物智能跟踪与分割融合算法及其在变电站视频监控中的应用》2020.12.05
- 《表3 算法计算速度比较：视频中多特征融合人体姿态跟踪》2020.07.16
- 《表2 数据集：CNKI＿journal.txt(51MB)》2020.05.16
- 《表1 六种跟踪算法在RGB-D视频测试序列中的P20和AUC》2020.06.01
- 《表3 测试视频的属性：融合多层卷积特征自适应更新的目标跟踪算法》2020.01.25
- 《表2 跟踪算法在10组视频序列中跟踪误差》2020.02.25
- 《表3 各跟踪算法在视频序列中的速度》2019.11.15
- 《表2 自拍视频中跟踪数据分析》2019.05.15
- 《表3 算法分析：基于深度学习的视频跟踪研究进展综述》2019.05.15
- 《表4 Stroke＿seq与Radicals方法的BLEU值对比Tab.4 Comparison of BLEU values between Stroke＿seq and Radicals methods》2019.03.28
- 《表3 Stroke＿seq与Baseline方法的BLEU值对比Tab.3 Comparison of BLEU values between Stroke＿seq and Baseline methods》2019.03.28
- 《表1 视频数据参数：改进协方差矩阵的智能车视觉目标跟踪方法》2019.02.01
- 《表1 OTB中视频跟踪平均帧率》2018.02.06
- 《表1 测试视频序列属性：利用感知模型的长期目标跟踪》2019.11.16
- 《表1 八段测试视频：自适应尺度特征融合与模型更新的跟踪算法》2019.12.01
- 《表1 Seq_mb序列在3种跟踪算法下的最优跟踪性能比较》2018.06.10