|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
基于加权重叠率的单目标视觉跟踪评价指标
6 r2 `1 E" b8 T# _& M摘要:针对真值标注的歧义性、偏差性问题和具有缩放场景的视觉跟踪应用情况,提出了一种新的视觉跟踪单目标基准评价指标.首先,在重叠率基础上提出了加权重叠率框架;其次,提出了多区域标注方法,通过多区域标注降低标注者歧义性,在具有缩放场景的应用中,通过反演进行多区域标注,使评价更符合应用实际;再次,针对标注的偏差性,提出了多标注融合方法,提高了标注的可信度;最后,将应用于单次跟踪评价的重叠率框架推广到多次跟踪评价,利用加权结果图使评价更具解释性.通过著名评价标准VOT ,OTB的真值标注融合实验验证了本文标注规则的准确性;通过在具有缩放场景的视觉跟踪实验和重复实验,与其他跟踪指标的比较验证了本文指标的有效性.& V; Z% ^$ Y* V$ z3 u& P# }
关键词:视觉跟踪;评价指标;重叠率;注释;缩放
4 b9 c. y9 s; D- k3 Q7 Y
( y% f$ H$ e6 f- q1引言
! C j& U# W( B: f; Q视觉跟踪是计算机视觉的重要研究内容,在视频监控、智能人机交互、医疗诊断,成像制导等多个领域具有广阔的应用前景".但是,由于光照、遮挡﹑摄像机运动等因素的影响,视觉跟踪算法仍然是一个挑战性的难题2,众多的文献及算法使人很难掌握视觉跟踪的发展趋势.通过研究视觉跟踪算法的好坏,来把握视觉跟踪发展脉搏,是发展和创造视觉跟踪算法一个重要途径.近年来,相关学者开始开展视觉跟踪算法评价的研究,计算机视觉的国际著名期刊和顶级会议持续出现较多的视觉跟踪算法评价相关报道[3-51.Nawaz[6]提出了一个以重叠率为基础的、准确率和失败率有机结合的复合评价指标,在模拟真实世界的场景序列上对视觉跟踪算法进行评价.Smeulders等人[”利用基于重叠率的F得分和中心误差来评价视觉跟踪算法.Wu等人[5]建立了100个序列、29个先进跟踪器的较大型视觉评价基准( OTB , Object 'Tracking Benchmark ) ,通过成功率来评价视觉跟踪,在此基础上提出了时间和空间的鲁棒性评价.然而在序列标注上,更多的是收集已有2 T8 o* {1 k$ a, a+ o+ B1 t
- G ~: \: _- l$ q* O
) F0 Q! L6 d7 S7 w. S" {$ h. b" C' f' g2 C( {* v& H
( g. A& w( U; I+ {& J! T" s" O- ?! I |
|
/1 
发表于 2021-3-10 10:45
收藏
淘帖
支持！
反对！