|
|||||
|
|
| 基于相关滤波的目标跟踪方法 | |
| 作者单位： | ;1.西安邮电大学通信与信息工程学院;2.电子信息现场勘验应用技术公安部重点实验室;3.无线通信与信息处理技术国际联合研究中心 |
| 摘 要： | 精度和速度一直是跟踪领域的矛盾。相比而言,基于深度学习方法的模型精度更好,但基于相关滤波(可以用FFT加速)的模型速度快很多。算法KCF、DSST、Staple、SiamFC、ECO、CCOT等在VOT2016数据库上的跟踪性能对比结果显示,在跟踪准确率这方面,深度学习优于相关滤波跟踪算法,而在鲁棒性方面,相关滤波算法则占有优势,且其速度也一直领先。将深度卷积特征和相关滤波相结合,可以兼顾两者的优势,使相应算法表现出更好性能。未来应着重考虑发挥CNN在目标跟踪领域的作用,以其同时提高算法的实时性和训练的便捷性。跟踪和检测是分不开的,跟踪能够保证速度上的需要,而检测能够有效地修正跟踪的累计误差。不同的应用场合对跟踪的成功率、准确度和鲁棒性要求也不一样,达到实际的跟踪要求仍然需要更好的算法实现。 |
| 关 键 词： | 目标跟踪 相关滤波 深度学习 |
On correlation filter based object tracking algorithms |
|
| Abstract: | |
| Keywords: | |