10.13682/j.issn.2095-6533.2018.04.010
基于相关滤波的目标跟踪方法
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.
目标跟踪、相关滤波、深度学习
23
TP391(计算技术、计算机技术)
电子信息现场勘验应用技术公安部重点实验室开放课题EISI2016006
2018-10-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
58-67