DSST(文章全名Accurate Scale Estimation for Robust Visual Tracking)是视觉目标跟踪VOT2014竞赛的冠军。实测实时性好,跟踪效果着实很赞(当然就跟踪效果而言还是逊色于TLD,在一次测试里,我起身把待洗衣服拿去洗衣房,然后回来,TLD还是准确地重新把我的脸给找了出来,继续追踪!这个过程少说也有四五分钟,这么长时间的目标丢失,TLD居然没挂!TLD已是2009年的工作了,算是比较久远的了,却能火到现在,可见其地位)。回到DSST,这篇算法是基于MOSSE的改进,突出内容是加入了尺度变换,文中指出该算法亮点是大部分算法只要是多尺度问题,都可以通过DSST中的尺度部分来解决。2015年开始tracking就被深度学习的算法攻陷了,效果确实很赞,然而受硬件限制,也受速度限制,不适合在移动端跑。所以当前来说DSST应是最契合我的需求的了。先把它移植过来用着,后面再好好研究下代码,希望把深度信息利用进去进一步提升工程上的跟踪效果。
版权声明
原创文章,转载请说明出处:sheng-blog.cn
原文出处
博文结构:
前述后的前述
考虑到大疆的精灵可靠性安全性比较好,所以打算先用手头的P3P来做初期算法的验证(没办法,穷,买不起经纬系列,恩,花这么多钱买第三方飞行平台也不符合我们发展自主飞控的初衷),而精灵只支持Mobile sdk,也就是说这个算法必须得在手机上跑起来。所以,这跟树莓派有啥关系?事实上是先尝试了直接在安卓下移植,然而没跑起来,原因我也说不清楚,毕竟NDK开发我也只是入了个门,所以指不定是我没移植