KCF算法在車輛目標跟蹤上的參數(shù)配置研究
發(fā)布時間:2023-05-06 18:21
對地面車輛目標的視覺跟蹤任務首要是滿足實時性,其次是在復雜背景下對目標跟蹤的魯棒性。KCF算法作為經(jīng)典的判別式跟蹤算法,憑借其高效的跟蹤器學習效率,一直作為主流的實時跟蹤算法之一。其中,搜索區(qū)域的大小選取在很大程度上決定了能否生成穩(wěn)定的跟蹤器,然而對于不同尺寸的車輛目標,其最優(yōu)的搜索區(qū)域大小通常是不同的。為此,本文以標準數(shù)據(jù)集OTB2015作為車輛目標視頻源,通過分辨率降采樣來模擬多組不同尺寸的目標運動場景,論證在不同距離下實現(xiàn)最優(yōu)車輛跟蹤的KCF算法參數(shù)配置,為長距離的車輛跟蹤任務提供了參數(shù)依據(jù)。
【文章頁數(shù)】:5 頁
本文編號:3809392
【文章頁數(shù)】:5 頁
本文編號:3809392
本文鏈接:http://www.sikaile.net/kejilunwen/sousuoyinqinglunwen/3809392.html
最近更新
教材專著