首页|目标跟踪算法综述

目标跟踪算法综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
目标跟踪一直以来都是计算机视觉领域的关键问题，最近随着人工智能技术的飞速发展，运动目标跟踪问题得到了越来越多的关注。本文对主流目标跟踪算法进行了综述，首先，介绍了目标跟踪中常见的问题，并由时间顺序对目标跟踪算法进行了分类:早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法。接下来，对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较。最后，使用OTB-2013数据集对目标跟踪算法进行测试，并对结果进行分析，得出了以下结论:1)相比于光流法、Kalman、Meanshift等传统算法，相关滤波类算法跟踪速度更快，深度学习类方法精度高。2)具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好。3)使用强大的分类器是实现良好跟踪的基础。4)尺度的自适应以及模型的更新机制也影响着跟踪的精度。
A Survey of Object Tracking Algorithms

孟琭、杨旭

展开 >

东北大学信息科学与工程学院 沈阳 110000

目标跟踪 特征选择 Meanshift 尺度变化 核相关滤波

国家自然科学基金

61101057资助

2019

自动化学报
中国自动化学会 中国科学院自动化研究所

自动化学报

CSTPCDCSCD北大核心EI
影响因子：1.762
ISSN：0254-4156
年,卷(期)：2019.45(7)
  • 169
  • 86