文献类型：期刊文章

作　　者：孟琭[1] 杨旭[1]

MENG Lu;YANG Xu(College of Information Science and Engineering,Northeastern University,Shenyang 110000)

机构地区：[1]东北大学信息科学与工程学院

出　　处：《自动化学报》

基　　金：国家自然科学基金(61101057)资助~~

年　　份：2019

卷　　号：45

期　　号：7

起止页码：1244-1260

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：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.

关 键 词：目标跟踪 特征选择  MEANSHIFT 尺度变化  核相关滤波  

分 类 号：TP391.41]