3.5 结果讨论

将所有视频跟踪结果与LOT[、CT[、TLD[、DFT[、VTD[、VTS[、LSK[、Struck[、CXT[、ACA[、STC[、KCF[和CSK[算法进行比较, 本文提出的算法表示为SPC跟踪算法.如算法1所示, 本文算法的实现过程非常简洁, 而其余跟踪算法包含大量的复杂运算, 例如, Struck在很多不同种类的特征和不断增多的支持向量上运行, TLD利用一组含有许多参量结构规则的级联分类器进行再检测.

表2和表3分别显示了阈值为20像素的距离准确度和成功率.与当前最先进跟踪算法相比, SPC跟踪算法在所有的视频中分别将以上三个指标从74%和60%提升到了77%和70%.Struck在最近评估中获得最好的成绩, 同样在本文的评估中优于其他算法.但是SPC跟踪算法在20像素阈值距离准确度上超出Struck跟踪算法4.05%, 并且运行速度高出25倍帧率.

表2

Table 2

表2(Table 2)

表2 距离准确度(DP) (%)Table 2 Distance precision(DP) (%)VideoLOTDFTTLDVTDVTSLSKStruckCXTACASTCKCFCSKCTSPCCarDark61546373*10010010071100100100100100100

Deer1831100643299*941004891004100

FaceOcc245816187855694*85618684975165

Fish11868666933310098*40100100433100

Girl64309194*8547100828692865868100

Mountainbike69354896100851002910010010010097*100

Suv80592*4752805791535798576398

Sylvester75429381822799*669490849260100

Walking24375*58495045100415010010010042100

Women1495*802020209635259494252094

Basketball9689410099*4312305991003663

Car45237137*360322521242721924

CarScale4559677268*655366565859584458

Coke10969152324955362801387*1182

Dog196*56756968857199737171738372

Dudek5461558886*73717861500643947

Freeman151935372*72*365755393839395258

Ironman111010025231473171416161134*

Mhyang267610091959910010092899999096

Skating12319365559*68388545444531646

mean4551677062655274*595968664277注:粗体代表最好的结果, * 粗体代表次最好结果表2 距离准确度(DP) (%)Table 2 Distance precision(DP) (%)

表3

Table 3

表3(Table 3)

表3 成功率(SR)(%)Table 3 Success rate (SR)(%)VideoLOTDFTVTDVTSLSKACASTCKCFCSKCTSPCCarDark56346810010099*1007299*999*

Deer6314434100489*1004100

FaceOcc23410099*977262901001008386

Fish11866498*3340100100433100

Girl55256553344673*67401596

Mountainbike6935100100901009698*10098*96

Suv785555882535898*573199

Sylvester6841808126717082*725199

Walking2393840*40*493840*39393839

Woman893*181719249191241494

Basketball897292*93340559872841

Car4526353562837*38282536

CarScale46454849*63454544454445

Coke99141416484310741051*

Dog19952706991*656565655865

Dudek62801001009396*800958586

Freeman1191821*1933151316141019

Ironman8416*2011131314131020

Mhyang267895971009298*1001000100

Skating1281657*5366373636371235

mean41445760*535460*5860*3370注:粗体代表最好的结果, * 粗体代表次最好结果表3 成功率(SR)(%)Table 3 Success rate (SR)(%)

图5显示了在20个测试视频中, 阈值为20像素的距离准确度.在距离准确度曲线中, 最好的跟踪算法是SPC跟踪算法.表2显示了在20个测试视频中, SPC算法与当前最先进算法在距离准确度上的比较.最好的两个结果分别表示为粗体和* 粗体.SPC跟踪算法在7个视频中打败了其他算法, 并且在7个视频中获得次好的成绩.由于视频序列长度不一致以及准确度计算公式差异, 因此在一些视频中平均准确度小于阈值20像素的准确度.

表3和图6是跟踪成功率.为了评估的公平性, 只与不估计尺度的跟踪算法进行比较.结果显示, 本文提出的算法在所有视频中获得最好的成绩.

KCF、STC、SPC跟踪算法都采用FFT进行快速计算.但KCF跟踪算法采用非常耗时的核运算, STC跟踪算法在权重图像上计算相关滤波, 也比较耗时.而SPC跟踪算法只计算一次空间相位相关, 因此可以获得更快的速度.FPS如表4.

图5

Fig.5图5 距离准确度.横轴表示阈值, 纵轴表示距离准确度.(a)、(b)、(c)分别为挑选的视频序列, (d)为所有20个视频的距离准确度Fig.5 Distance precision. the horizontal axis shows the threshold, the vertical axis shows distance precision. (a), (b), (c) are video sequence selected respectively, (d) is the distance precision of the twenty videos

表4

Table 4

表4(Table 4)

表4 中值FPSTable 4 Median value FPSAlgorithmLOTDFTTLDVTDVTSLSKStruckCXTACASTCKCFCSKCTSPCFPS0.5110.3122.73.03.03.810.410.341.9767.7729.5280.2476.9349.14表4 中值FPSTable 4 Median value FPS

图6

Fig.6图6 成功率.横轴表示覆盖率阈值, 纵轴表示成功率Fig.6 Success rate. the horizontal axis shows the threshold of the coverage rate, the vertical axis shows success rate

序列属性实验:鲁棒的跟踪算法能够适应目标的变化, 根据表1的难度因子, 将20个视频序列分为四个主要类型:快速运动、遮挡、光照变化和背景复杂, 结果如图7所示.

快速移动:当目标快速移动时, 基于空间卷积的SPC跟踪算法, 性能明显优于其他跟踪算法.原因在于搜索区域比较大并且采用判别模型可以从复杂背景中区分出目标.图7(a)显示了11个快速移动视频的距离准确度结果.

遮挡:图7(b)显示了9个遮挡视频的距离准确度曲线.在出现遮挡时, ACA、KCF和STC的性能显著下滑, 主要是由于模板更新系数为固定值, 而SPC算法根据PSR自适应更新模板, 当目标被背景遮挡时, PSR更新参量变小.因此, 模板受非目标干扰较小.

图7

Fig.7图7 不同难度因子的距离准确度曲线.将20个视频分成4个类型, 横轴表示为帧数, 纵轴表示为每一类难度因子的距离准确度Fig.7 Distance precision curve in different difficulty factor. Twenty videos are divided in four types, the horizontal axis shows frame, the vertical axis shows distance precision of every degree of difficulty

光照变化:图7(c)显示了10个光照变化视频的距离准确度曲线.在评估视频中, 有大量的光照变化.SPC算法在距离准确度和成功率上, 均达到很好的效果.SPC算法采用相位相关, 频域相位信息对光照不敏感, 因此当光照和姿态变化使目标外观发生剧烈变化时, 也能够准确定位目标.

背景复杂:图7(d)显示了8个背景复杂视频的距离准确度曲线.除了SPC跟踪算法, 其他跟踪算法都受背景复杂影响, 甚至是Struck.由于TLD和CT均采样很多的负样本, 导致其跟踪性能下降.而SPC跟踪算法采用空间窗函数对目标周围背景进行平滑处理, 并且在目标周围隐式包含负样本, 因此能够获得优异的性能.