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.
类型: 期刊论文
作者: 孟琭,杨旭
关键词: 目标跟踪,特征选择,尺度变化,核相关滤波
来源: 自动化学报 2019年07期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 东北大学信息科学与工程学院
基金: 国家自然科学基金(61101057)资助~~
分类号: TP391.41
DOI: 10.16383/j.aas.c180277
页码: 1244-1260
总页数: 17
文件大小: 1053K
下载量: 4637
本文来源: https://www.lunwen66.cn/article/3c72984b4422807a55a8cd4f.html