对实时拼接好的视频进行实时目标跟踪
本文为CSDN原创文章,转载请注明出处
对拼接好的视频帧还需做目标跟踪处理,即画一个矩形框选定图像中目标,之后在每帧图像中,该矩形框都会出现在目标上。
目标跟踪算法现状
可参考该大神的文章https://www.zhihu.com/question/26493945/answer/156025576
目标跟踪分短期(Short-Term)跟踪、长期(Long-Term)跟踪,又可分为单目标跟踪和多目标跟踪。短期目标跟踪是对目标进行短时间跟踪,在首帧选定区域之后,对之后的几百帧的跟踪质量来衡量。一旦漂移导致跟丢目标,将不能再进行跟踪。长期目标跟踪是对目标长时间进行跟踪,即使目标发生形变、离开视频区域后再出现或是被物体遮挡,都可以继续进行跟踪,不会受到这些因素的影响。本节主要介绍的是短期单目标跟踪。
目标跟踪算法的优劣有两个衡量指标,一个是跟踪速度,一个是跟踪准确率。实际应用中,根据应用的需要,在两者之间进行取舍。OTB50、OTB100、VOT竞赛的数据库是用来衡量目标跟踪算法的数据库,而在这几个数据库出现之前,并没有用来衡量目标跟踪算法的标准数据库,大家都是自吹自擂,可能在某个自定的数据集效果很好,而换到其他的则效果极差。
影响目标跟踪算法研究的主要困难在于目标跟踪目标的尺度,跟踪目标与背景相似,目标运动速度太快导致的边界效应,以及物体形变、物体被遮挡等,而目前基本都有了一定的解决办法。
目标跟踪算法大致分为两类模型,分别为生成类模型、判别类模型。下面依次介绍这两类算法的