《表1 10种算法的平均处理帧频》

  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

《结合样本约束学习的实时跟踪算法》

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

为了验证算法的实时性，将效果较好的前10种算法的处理帧频（每秒钟处理的帧数）进行了比较，如表1所示。其中，粗体数据为最优数据，带下划线的斜体数据为次优数据。从表1可以看出，虽然本文算法不是最快的，但是依然可以达到平均31.6fps的处理速度，基本实现了实时跟踪的要求（25fps）。相比其他算法，本文算法利用时空相似性在上一帧检测出的目标区域周围进行检测，算法的计算复杂度得到了较大的优化，不仅提高了分类器的检测效率，也使得算法的实时性得到了显著提升。在加权模型匹配时，利用均值压缩将边界框压缩成较小尺寸的模型，有效地减少了相似度计算时的计算量，大幅度的节省了系统的存储空间，有效地提升了算法的实时性。