图像识别算法c 代码 计算机视觉中，目前有哪些经典的目标跟踪算法？(17)

<img src="https://pic3.zhimg.com/50/v2-20b5ac0d34f80afa5df7652a2dda6b55_hd.jpg" data-caption="" data-rawwidth="600" data-rawheight="190" class="origin_image zh-lightbox-thumb" width="600" data-original="https://pic3.zhimg.com/v2-20b5ac0d34f80afa5df7652a2dda6b55_r.jpg">

如果最大响应小于第一个阈值(叫运动阈值)，说明平移检测不可靠，调用检测模块重新检测。注意，重新检测的结果并不是都采纳的，只有第二次检测的最大响应值比第一次检测大1.5倍时才接纳，否则，依然采用平移检测的结果。

如果最大响应大于第二个阈值(叫外观阈值)，说明平移检测足够可信，这时候才以固定学习率更新第三个相关滤波器和随机蔟分类器。注意，前两个相关滤波的更新与DSST一样，固定学习率每帧更新。

LCT加入检测机制，对遮挡和出视野等情况理论上较好，速度27fps，实验只跑了OTB-2013，跟踪精度非常高，根据其他论文LCT在OTB-2015和 VOT上效果略差一点可能是两个核心阈值没有自适应， 关于long-term，TLD和LCT都可以参考 。

接下来介绍跟踪置信度。 跟踪算法需要能反映每一次跟踪结果的可靠程度，这一点非常重要，不然就可能造成跟丢了还不知道的情况。生成类(generative)方法有相似性度量函数，判别类(discriminative)方法有机器学习方法的分类概率。有两种指标可以反映相关滤波类方法的跟踪置信度：前面见过的最大响应值，和没见过的响应模式，或者综合反映这两点的指标。

LMCF(MM Wang的目标跟踪专栏：目标跟踪算法 - 知乎专栏 )提出了多峰检测和高置信度更新：

Wang M, Liu Y, Huang Z. Large Margin Object Tracking with Circulant Feature Maps [C]// CVPR, 2017.

<img src="https://pi.zhimg.com/50/v2-7044f90cb756d8183b5628197a4d2c2f_hd.jpg" data-caption="" data-rawwidth="958" data-rawheight="632" class="origin_image zh-lightbox-thumb" width="958" data-original="https://pi.zhimg.com/v2-7044f90cb756d8183b5628197a4d2c2f_r.jpg">

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-60218-17.html