视觉跟踪算法简述

视觉跟踪算法一般可被分为二阶段跟踪算法和一阶段跟踪算法。

一阶段跟踪算法

一阶段跟踪算法将图片中的搜索域截取后作为输入并直接输出特征响应图。特征响应图一般可采用相关滤波获得，如DCF、KCF、LCT、BACF等。当然特征响应图也可以由卷积回归网络获取，如FCNT、CREST等。

二阶段跟踪算法

二阶段跟踪算法则分为两步，第一步采用随机采样或者region proposal等方法生成一系列的预选定位框，第二步则是对这些预选框进行分类，看其属于跟踪对象还是背景。如MDNet、CNN-SVM等便是这类算法的代表。

benchmark

视觉跟踪算法各有千秋，或精度很高、或实时性不错:

注意

一般而言，这些算法的特征提取网络都是pretrained的网络，例如在ImageNet中进行过1000类分类训练的AlexNet、MobilenetV2等网络。而对于跟踪问题而言，重点是前后景的区分，这并不需要太多的复杂度。当网络层数过深，对象的空间信息将趋于稀疏化，也就是说特征提取网络并非越深越好。