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？(22)

<img src="https://pi.zhimg.com/50/v2-092e56f36665670860e4b646ffd04d4b_hd.jpg" data-caption="" data-rawwidth="994" data-rawheight="270" class="origin_image zh-lightbox-thumb" width="994" data-original="https://pi.zhimg.com/v2-092e56f36665670860e4b646ffd04d4b_r.jpg">

第二减少样本数量， compact generative model(紧凑的样本集生成模型)，采用Gaussian Mixture Model (GMM)合并相似样本，建立更具代表性和多样性的样本集，需要保存和优化的样本集数量降到C-COT的1/8。

<img src="https://pic3.zhimg.com/50/v2-99b55223623892ecf6d45c11858e7859_hd.jpg" data-caption="" data-rawwidth="644" data-rawheight="338" class="origin_image zh-lightbox-thumb" width="644" data-original="https://pic3.zhimg.com/v2-99b55223623892ecf6d45c11858e7859_r.jpg">

第三改变更新策略，sparser updating scheme(稀疏更新策略)，每隔5帧做一次优化更新模型参数，不但提高了算法速度，而且提高了对突变，遮挡等情况的稳定性。但样本集是每帧都更新的，稀疏更新并不会错过间隔期的样本变化信息。

ECO的成功当然还有很多细节，而且有些我也看的不是很懂，总之很厉害就是了。。ECO实验跑了四个库(VOT2016, UAV123, OTB-2015, and TempleColor)都是第一，而且没有过拟合的问题，仅性能来说ECO是目前最好的相关滤波算法，也有可能是最好的目标跟踪算法。hand-crafted features版本的ECO-HC，降维部分原来HOG+CN的42维特征降到13维，其他部分类似，实验结果ECO-HC超过了大部分深度学习方法，而且论文给出速度是CPU上60FPS。

最后是来自Luca Bertinetto的CFNet End-to-end representation learning for Correlation Filter based tracking，除了上面介绍的相关滤波结合深度特征，相关滤波也可以end-to-end方式在CNN中训练了：

Valmadre J, Bertinetto L, Henriques J F, et al. End-to-end representation learning for Correlation Filter based tracking [C]// CVPR, 2017.

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-60218-22.html